[发明专利]基于高阶超网络的静息态功能磁共振影像数据分类方法有效
| 申请号： | 201611251416.6 | 申请日： | 2016-12-30 |
| 公开（公告）号： | CN106650818B | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 郭浩;曹锐;杨艳丽;邓红霞;相洁;李海芳 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 51304 成都东恒知盛知识产权代理事务所(特殊普通合伙) | 代理人： | 何健雄 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及图像处理技术，具体是一种基于高阶超网络的静息态功能磁共振影像数据分类方法。本发明解决了传统磁共振影像数据分类方法分类准确率低的问题。基于高阶超网络的静息态功能磁共振影像数据分类方法，该方法是采用如下步骤实现的：步骤S1：对静息态功能磁共振影像进行预处理；步骤S2：对各脑区的平均时间序列进行时间窗分割；步骤S3：计算各脑区的平均时间序列两两之间的皮尔逊相关系数；步骤S4：提取皮尔逊相关矩阵中对应元素的值；步骤S5：利用稀疏线性回归模型构建高阶超网络；步骤S6：计算高阶超网络的局部属性；步骤S7：选择分类特征并构建分类器；步骤S8：对所选特征的重要度和冗余度进行量化。本发明适用于磁共振影像数据分类。 | ||
| 搜索关键词： | 基于 高阶超 网络 静息态 功能 磁共振 影像 数据 分类 方法 | ||
【主权项】：
1.一种基于高阶超网络的静息态功能磁共振影像数据分类方法，其特征在于：该方法是采用如下步骤实现的：/n步骤S1：对静息态功能磁共振影像进行预处理，并根据选定的标准化脑图谱对预处理后的静息态功能磁共振影像进行区域分割，然后对所分割的各脑区进行平均时间序列的提取；/n步骤S2：选定长度固定的滑动窗口，并按照一定步长对各脑区的平均时间序列进行时间窗分割；/n步骤S3：计算每个时间窗下各脑区的平均时间序列两两之间的皮尔逊相关系数，由此得到皮尔逊相关矩阵；/n步骤S4：提取皮尔逊相关矩阵中对应元素的值，由此得到高阶关联矩阵，所述高阶关联矩阵的维度为时间窗数×4005；/n步骤S5：利用稀疏线性回归模型，计算高阶关联矩阵中每个元素与其它元素的线性组合表示，由此建立超边，然后根据超边构建高阶超网络；所述稀疏线性回归模型具体表示如下：/nx
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于太原理工大学，未经太原理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611251416.6/，转载请声明来源钻瓜专利网。
