[发明专利]脑结构特征选择方法、移动终端及计算机可读存储介质

说明书

本发明公开了一种脑结构特征选择方法、移动终端及计算机可读存储介质，所述脑结构特征选择方法包括：获取脑部核磁共振结构像原始数据，并对所述原始数据进行格式转化，以获取目标数据，采用目标软件对所述目标数据进行预处理，以获取所述目标数据的特征数据，并将所述特征数据构建成特征数据矩阵，将所述特征数据矩阵输入至支持矩阵机，以获取带有类别标签的特征数据，基于目标编码器，对所述带有类别标签的特征数据进行可视化处理，以获取可视化特征图像，降低特征数据维度的同时，保存了大脑特征信息，并提取出更有效的分类特征。

技术领域

本发明涉及大脑特征领域，尤其一种脑结构特征选择方法、移动终端及计算机可读存储介质。

背景技术

近年脑科学神经影像的研究中，是否能够提取出表达能力强的大脑特征是整个脑科学神经影像研究的基石，且为了对大脑数据所属群组进行预测分类的能力最大化，选择的大脑特征必须具有足够大的区分差异，现阶段的特征分类方法一般都是使用基于特定假设或模型所驱动的群组间的差异测试，在进行分类之前，需先将特征矩阵转换成为特征向量的形式，然而这样就会丢失特征矩阵信息，从而进一步影响特征分类的精确度。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种脑结构特征选择方法、移动终端及计算机可读存储介质，旨在解决现阶段对大脑特征进行提取及分类时，存在大脑特征信息丢失的技术问题。

为实现上述目的，本发明提供一种脑结构特征选择方法，所述脑结构特征选择方法包括以下步骤：

获取脑部核磁共振结构像原始数据，并对所述原始数据进行格式转化，以获取目标数据；

采用目标软件对所述目标数据进行预处理，以获取所述目标数据的特征数据，并将所述特征数据构建成特征数据矩阵；

将所述特征数据矩阵输入至支持矩阵机，以获取带有类别标签的特征数据；

基于目标编码器，对所述带有类别标签的特征数据进行可视化处理，以获取可视化特征图像。

优选地，采用目标软件对所述目标数据进行重建，以获取目标脑模型；

对所述目标脑模型进行皮层分割，以获取所述目标数据的特征数据。

优选地，采用目标软件对所述目标数据进行重建，以获取初始脑模型；

若所述初始脑模型为异常脑模型，则对所述初始脑模型进行调整，以获取目标脑模型。

优选地，若检测到所述初始脑模型的支点坐标偏差超过预设偏差，则判定所述初始脑模型为异常脑模型；

调整所述初始脑模型的支点坐标，以获取目标脑模型。

优选地，若检测到所述初始脑模型的白质和/或灰质范围超过第一预设范围，则判定所述初始脑模型为异常脑模型；

调整所述白质和/或灰质数据，以获取目标脑模型。

优选地，若检测到所述初始脑模型缺失小脑部位图像，则判定所述初始脑模型为异常脑图像；

调整所述初始脑模型的模型数据阈值，以获取目标脑模型。

优选地，若检测到所述初始脑模型的大脑膨化图像缺孔，则判定所述初始脑模型为异常脑模型；

补全所述大脑膨化图像缺孔，以获取目标脑模型。

优选地，若检测到所述初始脑模型的灰质包络超过第二预设范围，则判定所述初始脑模型为异常脑模型；

调整所述初始脑模型的软膜表面，以获取目标脑模型。