[发明专利]一种利用人工神经网络模型对视觉刺激解码方法

权利要求书

1.一种利用人工神经网络模型对视觉刺激解码方法，其特征在于，包括如下步骤:

S1、获取fMRI数据作为原始数据；

S2、对采集原始数据进行转换和预处理获得数据更新集；

S3、对数据更新集中数据进行多余数据删除和选取脑区ROI数据获得脑区数据集；

S4、对脑区数据集进行特征选择和标准化获得脑区分类数据集；

S5、采用多层感知机对脑区分类数据集进行分类输出分类准确率。

2.根据权利要求1所述的一种利用人工神经网络模型对视觉刺激解码方法，其特征在于，所述S4中脑区数据集处理过程：

2.1、对脑区数据集通过单因素方差方法获得每个脑区中体素的P值、F值；

2.2、判断当前列数是否等于原始矩阵列数；如果相等则对新矩阵中的所有数据进行标准化处理获得脑区分类数据集；否则进入下一步

2.3、判断P<0.05，如果满足要求则将该P值所在列加入新矩阵，否则进入下一步

2.4、列数+1，返回步骤2.2。

3.根据权利要求1所述的一种利用人工神经网络模型对视觉刺激解码方法，其特征在于，所述S5中采用多层感知机对脑区分类数据集进行解码过程：

5.1、选取分类数据集中向量为X建立隐藏层：f(ωX+b)；

5.2、根据隐藏层建立多层感知机的输出层：f₁(ω₁X₁+b₁)；

5.3、在输出层得到训练数据的预测目标后，通过误差在MLP中的反向传递利用优化器获得最优参数，训练得到MLP模型。

5.4、将测试集用于上述MLP模型，重复步骤5.1和5.2，输出预测目标并与测试集结果进行对比，最终输出分类准确率。