[发明专利]一种基于变分自编码器的脑功能网络分类方法在审
| 申请号： | 201910541911.8 | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110188836A | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 刘天;杨明;范庚;陈宇豪 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 西安智大知识产权代理事务所 61215 | 代理人： | 弋才富 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于变分自编码器的脑功能网络分类方法，包括以下步骤：采集若干正常人和脑认知功能障碍患者的T1加权磁共振图像T1 weighted MRI和静息态功能磁共振图像rs‑fMRI；进行预处理；将预处理后的rs‑fMRI作为回归因变量，大脑功能网络作为回归自变量进行双回归分析，得到个体水平大脑功能网络；构建深度变分自编码器(VAE)模型，将得到的个体水平大脑功能网络图作为VAE的输入和输出，编码器部分作为特征提取模块用于得到个体功能网络的隐编码；构建多层感知器网络对步骤四中VAE得到的编码进行分类；利用训练好的针对不同脑功能网络的多个分类器对测试集中的样本进行推断，并将多个分类器的推断结果进行融合，得到最终的分类结果；本发明提高了分类的准确率。 | ||
| 搜索关键词： | 编码器 大脑功能 脑功能 预处理 个体水平 网络分类 网络 分类器 构建 推断 自变量 功能磁共振图像 认知功能障碍 特征提取模块 网络图 多层感知器 加权磁共振 分类结果 个体功能 回归分析 因变量 分类 回归 准确率 样本 采集 图像 测试 输出 融合 | ||
【主权项】：
1.一种基于变分自编码器的脑功能网络分类方法，其特征在于，包括以下步骤：步骤一、采集若干正常人和脑认知功能障碍患者的T1加权磁共振图像T1 weighted MRI和静息态功能磁共振图像rs‑fMRI；步骤二、分别对每个被试采集到的两种模态磁共振影像使用fmriprep软件进行预处理；步骤三、群体水平大脑功能网络的提取：将步骤二得到的预处理后的rs‑fMRI作为回归因变量，大脑功能网络作为回归自变量进行双回归分析，得到个体水平大脑功能网络；步骤四、构建深度变分自编码器(VAE)模型，将步骤三中得到的个体水平大脑功能网络图作为VAE的输入和输出，编码器部分作为特征提取模块用于得到个体功能网络的隐编码；步骤五、构建多层感知器网络对步骤四中VAE得到的编码进行分类；步骤六、利用步骤五中训练好的针对不同脑功能网络的多个分类器对测试集中的样本进行推断，并将多个分类器的推断结果进行融合，得到最终的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910541911.8/，转载请声明来源钻瓜专利网。
