[发明专利]样本分类方法、装置、计算设备和存储介质

权利要求书

1.一种样本分类方法，其特征在于，包括：

基于正常样本的影像学数据得到所述正常样本的影像学指标；

基于所述正常样本的影像学指标，利用高斯过程回归模型构建正常参考模型；

根据所述正常参考模型和待分类样本的影像学指标的观测值，得到所述待分类样本的个体偏离值；

利用聚类算法对多个所述待分类样本的个体偏离值进行聚类分析，得到所述待分类样本的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述利用高斯过程回归模型构建正常参考模型之后，还包括：

采用交叉验证的方式对所述正常参考模型进行验证。

3.根据权利要求1所述的方法，其特征在于，所述根据所述正常参考模型和待分类样本的影像学指标的观测值，得到所述待分类样本的个体偏离值，包括：

根据所述正常参考模型得到所述待分类样本的影像学指标的预测值；

根据所述预测值和所述观测值，得到所述待分类样本的个体偏离值。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于正常样本的影像学数据得到所述正常样本的影像学指标，包括：

利用磁共振影像设备获取所述正常样本的静息态功能磁共振影像学数据；

基于所述正常样本的静息态功能磁共振影像学数据，得到所述正常样本的影像学指标。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述正常样本包括健康人群；所述影像学指标包括功能连接强度、低频波动振幅、局部功能一致性和小世界属性中的至少一种。

6.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述正常样本的影像学指标，利用高斯过程回归模型构建正常参考模型，包括：

以所述正常样本的属性为自变量，以所述正常样本的影像学指标为因变量，构建所述正常参考模型。

7.根据权利要求6所述的方法，其特征在于，所述正常样本包括健康人群；所述正常样本的属性包括年龄和性别。

8.一种样本分类装置，其特征在于，包括：

采集单元，用于基于正常样本的影像学数据得到所述正常样本的影像学指标；

构建单元，用于基于所述正常样本的影像学指标，利用高斯过程回归模型构建正常参考模型；

比较单元，用于根据所述正常参考模型和待分类样本的影像学指标的观测值，得到所述待分类样本的个体偏离值；

聚类单元，用于利用聚类算法对多个所述待分类样本的个体偏离值进行聚类分析，得到所述待分类样本的分类结果。

9.一种计算设备，其特征在于，包括：

通信接口；

至少一个处理器，其与所述通信接口连接；以及

至少一个存储器，其与所述处理器连接并存储有程序指令，所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行权利要求1-7任一所述的方法。

10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令当被计算机执行时使得所述计算机执行权利要求1-7任一所述的方法。