[发明专利]一种基于磁共振成像数据的图像分类方法

权利要求书

1.一种基于磁共振成像数据的图像分类方法，其特征在于，所述方法包括：

获取大脑神经影像的三维数据，并对所述三维数据进行预处理，得到磁共振成像数据；

将所述磁共振成像数据输入至训练好的图像分类模型，通过所述图像分类模型输出图像类别；其中，所述图像分类模型包含提取的大脑神经影像的空间维度特征和通道维度特征。

2.根据权利要求1所述的基于磁共振成像数据的图像分类方法，其特征在于，所述图像分类模型包括若干阶段模块、三维反卷积块、平均池化层和全连接层，每个所述阶段模块包括两个三维残差模块和一个三维注意力洗牌模块。

3.根据权利要求2所述的基于磁共振成像数据的图像分类方法，其特征在于，所述三维注意力洗牌模块包括全局平均池化层、门控机制、激活函数、组归一化层、拼接层。

4.根据权利要求3所述的基于磁共振成像数据的图像分类方法，其特征在于，所述将所述磁共振成像数据输入至训练好的图像分类模型，通过所述图像分类模型输出图像类别包括：

将所述磁共振成像数据输入若干阶段模块，得到第一特征；

将所述第一特征输入至平均池化层，得到第二特征；

将所述所述第二特征输入至全连接层，得到图像类别。

5.根据权利要求4所述的基于磁共振成像数据的图像分类方法，其特征在于，所述将所述磁共振成像数据输入至训练好的图像分类模型，通过所述图像分类模型输出图像类别还包括：

将所述第二特征输入三维反卷积块，得到预测的体素信息。

6.根据权利要求4所述的基于磁共振成像数据的图像分类方法，其特征在于，所述将所述磁共振成像数据输入若干阶段模块，得到第一特征包括：

将所述磁共振成像数据依次输入若干阶段模块；

针对每个阶段模块，通过每个阶段模块中的两个三维残差模块输出初始特征，将所述初始特征输入至三维注意力洗牌模块，得到阶段模块输出特征；

将最后一个阶段模块输出的阶段模块输出特征作为第一特征。

7.根据权利要求6所述的基于磁共振成像数据的图像分类方法，其特征在于，所述将所述初始特征输入至三维注意力洗牌模块，得到阶段模块输出特征包括：

将所述初始特征分成若干组，得到若干子特征；

针对每个子特征，将每个所述子特征分成两份，得到第一子特征和第二子特征，将所述第一子特征依次输入至全局平均池化层、门控机制、激活函数，得到第三子特征，将所述第一子特征依次输入至组归一化层、门控机制、激活函数，得到第四子特征，将所述第三子特征和所述第四子特征输入至拼接层，得到与每个所述子特征对应的合并子特征；其中，所述第三子特征包含通道特征；所述第四子特征包含空间特征；

将所有子特征对应的所有合并子特征进行合并，得到阶段模块输出特征。

8.根据权利要求1所述的基于磁共振成像数据的图像分类方法，其特征在于，所述图像分类模型的训练方法包括：

获取训练数据和标签；

将所述训练数据输入至初始图像分类模型，得到模型输出数据；

根据所述标签和所述模型输出数据，得到损失函数；其中，所述损失函数包括自监督学习损失函数和分类损失函数；

基于所述损失函数，对所述初始图像分类模型进行训练，以得到训练好的图像分类模型。

9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-8中任意一项所述的方法。

10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-8中任意一项所述的方法。