基于神经架构搜索及DBN网络的脑功能网络生成方法及系统

    公开(公告)号:CN113762487B

    公开(公告)日:2023-11-10

    申请号:CN202110942242.2

    申请日:2021-08-17

    申请人: 西北大学

    摘要: 本发明属于医学影像和神经网络交叉技术领域,公开了一种基于神经架构搜索及DBN网络的脑功能网络生成方法及系统,方法包括如下步骤:步骤1:获取自然范式fMRI数据并进行预处理得到四维fMRI体素图像,将四维fMRI体素图像转换为一维fMRI向量,将所有一维fMRI向量的时间点进行连接获得二维fMRI矩阵;步骤2:生成M个DBN网络并对M个DBN网络进行初始化获得解空间;将二维fMRI矩阵输入解空间,利用结构优化算法对解空间进行多次搜索,每次搜索获得一个局部最优解,每个局部最优解包含N个局部最优粒子;步骤3:将所有局部最优解中损失最小的局部最优粒子作为全局最优粒子,获取全局最优粒子的权重矩阵,根据全局最优粒子的权重矩阵获得脑功能网络。

    基于神经架构搜索及DBN网络的脑功能网络生成方法及系统

    公开(公告)号:CN113762487A

    公开(公告)日:2021-12-07

    申请号:CN202110942242.2

    申请日:2021-08-17

    申请人: 西北大学

    摘要: 本发明属于医学影像和神经网络交叉技术领域,公开了一种基于神经架构搜索及DBN网络的脑功能网络生成方法及系统,方法包括如下步骤:步骤1:获取自然范式fMRI数据并进行预处理得到四维fMRI体素图像,将四维fMRI体素图像转换为一维fMRI向量,将所有一维fMRI向量的时间点进行连接获得二维fMRI矩阵;步骤2:生成M个DBN网络并对M个DBN网络进行初始化获得解空间;将二维fMRI矩阵输入解空间,利用结构优化算法对解空间进行多次搜索,每次搜索获得一个局部最优解,每个局部最优解包含N个局部最优粒子;步骤3:将所有局部最优解中损失最小的局部最优粒子作为全局最优粒子,获取全局最优粒子的权重矩阵,根据全局最优粒子的权重矩阵获得脑功能网络。

    一种基于概率密度子空间的多目标自动识别重建方法

    公开(公告)号:CN115641417A

    公开(公告)日:2023-01-24

    申请号:CN202210916208.2

    申请日:2022-08-01

    申请人: 西北大学

    IPC分类号: G06T17/20 G06V10/762

    摘要: 一种基于子空间决策优化的多目标重建方法,获取生物组织表面光分布信息、网格节点坐标矩阵、网格内部四面体矩阵、网格内部四面体索引矩阵和系统矩阵作为输入;经过重建、子空间初始化、子空间决策、子空间优化四部分来进行多目标重建。本方法首次在多目标重建问题上引入子空间思想,突破了传统可行域方法的限制,显著提升了多目标重建的质量,降低了参数调优的代价。此外,本发明无需源数目先验信息,自动判断子空间个数并逐渐收敛于真实源数目,扩展了重建在临床的应用前景。此外,本方法内部的重建算法可以任意更换,不依赖特定的算法,为三维重建特别是多目标重建提供了有效的工具。