一种基于多模态多站点数据融合的分类识别方法

    公开(公告)号:CN112837274B

    公开(公告)日:2023-07-07

    申请号:CN202110039520.3

    申请日:2021-01-13

    摘要: 本发明公开了一种基于多模态多站点数据融合的分类识别方法,包括如下步骤:1)获取多站点sMRI和R‑fMRI数据;2)对各个站点的sMRI数据进行预处理,得到sMRI颅骨剥离脑图像和大脑皮层表面模型;3)将大脑皮层分割成多个不同区域,并计算每个区域的皮层平均厚度、皮层平均表面积和灰质体积等解剖参数;4)将sMRI颅骨剥离脑图像输入ResNet3D深度网络模型提取高维特征;5)将提取出的解剖参数和高维特征进行融合得到一维向量作为sMRI数据特征;6)各个站点的R‑fMRI数据进行预处理,获得大脑灰质图像;本发明采用基于低秩表示的方法使得多站点数据有相同或类似的数据分布,解决或部分解决了多站点数据异构性的问题,有效提高诊断模型的泛化性,更符合实际要求。

    基于脑区功能连接的fMRI数据分类识别方法及装置

    公开(公告)号:CN112233086A

    公开(公告)日:2021-01-15

    申请号:CN202011095774.9

    申请日:2020-10-14

    IPC分类号: G06T7/00 G06T7/11 G06K9/62

    摘要: 本发明设计了一种基于脑区功能连接的fMRI数据分类识别方法及装置,包括:获取被试者fMRI数据;对所获取的fMRI数据进行预处理,得到大脑灰质图像;将大脑灰质图像分割成多个不同功能的脑区,并提取每个脑区的平均体素时间序列;基于模糊决策粗糙集从多个功能脑区中选择存在显著差异的部分脑区;基于选择出的部分脑区,计算不同脑区之间的皮尔森相关系数,并采用Fisher‑z变换对系数进行非线性处理,得到部分脑区的功能连接矩阵;对矩阵中的相关系数值进行稀疏化,保留阈值之上的相关系数值,并将矩阵展开成一维特征向量;将得到的一维特征向量作为输入送到训练好的SVM识别模型中,得到被试者的输出标签并判断被试者fMRI数据类别。

    基于脑区功能连接的fMRI数据分类识别方法及装置

    公开(公告)号:CN112233086B

    公开(公告)日:2023-08-04

    申请号:CN202011095774.9

    申请日:2020-10-14

    IPC分类号: G06T7/00 G06T7/11 G06V10/764

    摘要: 本发明设计了一种基于脑区功能连接的fMRI数据分类识别方法及装置,包括:获取被试者fMRI数据;对所获取的fMRI数据进行预处理,得到大脑灰质图像;将大脑灰质图像分割成多个不同功能的脑区,并提取每个脑区的平均体素时间序列;基于模糊决策粗糙集从多个功能脑区中选择存在显著差异的部分脑区;基于选择出的部分脑区,计算不同脑区之间的皮尔森相关系数,并采用Fisher‑z变换对系数进行非线性处理,得到部分脑区的功能连接矩阵;对矩阵中的相关系数值进行稀疏化,保留阈值之上的相关系数值,并将矩阵展开成一维特征向量;将得到的一维特征向量作为输入送到训练好的SVM识别模型中,得到被试者的输出标签并判断被试者fMRI数据类别。

    一种基于多模态多站点数据融合的分类识别方法

    公开(公告)号:CN112837274A

    公开(公告)日:2021-05-25

    申请号:CN202110039520.3

    申请日:2021-01-13

    摘要: 本发明公开了一种基于多模态多站点数据融合的分类识别方法,包括如下步骤:1)获取多站点sMRI和R‑fMRI数据;2)对各个站点的sMRI数据进行预处理,得到sMRI颅骨剥离脑图像和大脑皮层表面模型;3)将大脑皮层分割成多个不同区域,并计算每个区域的皮层平均厚度、皮层平均表面积和灰质体积等解剖参数;4)将sMRI颅骨剥离脑图像输入ResNet3D深度网络模型提取高维特征;5)将提取出的解剖参数和高维特征进行融合得到一维向量作为sMRI数据特征;6)各个站点的R‑fMRI数据进行预处理,获得大脑灰质图像;本发明采用基于低秩表示的方法使得多站点数据有相同或类似的数据分布,解决或部分解决了多站点数据异构性的问题,有效提高诊断模型的泛化性,更符合实际要求。