[发明专利]基于卷积神经网络的品行障碍确定方法、系统和存储介质

权利要求书

1.基于卷积神经网络的品行障碍确定方法，其特征在于：包括以下步骤：

获取待确定品行障碍的人的磁共振成像图像；

采用深度卷积神经网络算法来对获取的磁共振成像图像进行品行障碍识别，从而获得品行障碍识别结果。

2.根据权利要求1所述的基于卷积神经网络的品行障碍确定方法，其特征在于：所述获取待确定品行障碍的人的磁共振成像图像这一步骤，其具体包括：

获取待确定品行障碍的人脑部的磁共振成像图像；

将获取的磁共振成像图像配准至预设模板上，从而得到配准后的磁共振成像图像；

对配准后的磁共振成像图像进行脑组织分割，从而得到灰质图像；

将得到的灰质图像进行平滑处理，获得灰质平滑图像。

3.根据权利要求1所述的基于卷积神经网络的品行障碍确定方法，其特征在于：所述采用深度卷积神经网络算法来对获取的磁共振成像图像进行品行障碍识别，从而获得品行障碍识别结果这一步骤，其具体为：

采用深度卷积神经网络算法来对品行障碍识别模型进行训练，得到训练完成的品行障碍识别模型；

将获取的磁共振成像图像输入得到的品行障碍识别模型中，从而获得品行障碍识别结果；所述品行障碍识别结果包括：品行障碍的患病概率、患病与否和品行障碍的患病程度。

4.根据权利要求3所述的基于卷积神经网络的品行障碍确定方法，其特征在于：所述采用深度卷积神经网络算法来对品行障碍识别模型进行训练，得到训练完成的品行障碍识别模型这一步骤，其具体包括：

将预设的样本分为训练样本和测试样本；所述预设的样本均带有标签；

将训练样本输入深度卷积神经网络模型进行训练，从而获得训练后的品行障碍识别模型；

使用测试样本对获得的品行障碍识别模型进行测试，获得测试结果；

根据测试结果对品行障碍识别模型的参数做调整，得到训练完成的品行障碍识别模型。

5.根据权利要求4所述的基于卷积神经网络的品行障碍确定方法，其特征在于：所述将训练样本输入深度卷积神经网络模型进行训练，从而获得训练后的品行障碍识别模型这一步骤，其具体包括：

将训练样本输入品行障碍识别模型中进行特征提取，从而获得特征图；

使用SOFTMAX分类器对获得的特征图进行计算，从而得到计算结果；

根据得到的计算结果和训练样本对应的标签对品行障碍识别模型的权重做调整，从而获得训练后的品行障碍识别模型。

6.根据权利要求5所述的基于卷积神经网络的品行障碍确定方法，其特征在于：所述将训练样本输入品行障碍识别模型中进行特征提取，从而获得特征图这一步骤，其具体包括：

将训练样本输入由L个第一处理块和N个第二处理块连接所组成的第一模块中，得到输出的特征图；其中每个第一处理块均包括1个卷积层、1个批标准化层、1个修正线性单元和1个随机失活层：每个第二处理块均包括1个卷积层、1个批标准化层、1个修正线性单元、1个随机失活层和1个最大池化层，所述L和N均为正整数；

将得到的特征图依次输入M个第二模块中，从而得到M个特征图；其中每个第二模块均包括1个全连接层、1个修正线性单元和1个随机失活层，所述M为正整数。

7.根据权利要求4所述的基于卷积神经网络的品行障碍确定方法，其特征在于：所述使用测试样本对获得的品行障碍识别模型进行测试，获得测试结果这一步骤，其具体包括：

将测试样本输入获得的品行障碍识别模型中，获得测试结果和显著性图；

将获得的显著性图映射到原始输入图像空间，从而获得特征可视化图；

输出所有的特征可视化图。

8.基于卷积神经网络的品行障碍确定系统，其特征在于：包括：

图像获取模块，用于获取待确定品行障碍的人的磁共振成像图像；

模型预测模块，用于采用深度卷积神经网络算法来对获取的磁共振成像图像进行品行障碍识别，从而获得品行障碍识别结果。