[发明专利]一种基于深度学习的fMRI全脑数据分类方法有效
| 申请号： | 201811054390.5 | 申请日： | 2018-09-11 |
| 公开（公告）号： | CN109222972B | 公开（公告）日： | 2020-09-22 |
| 发明（设计）人： | 胡金龙;邝岳臻;董守斌 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | A61B5/055 | 分类号： | A61B5/055 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 刘巧霞 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的fMRI全脑数据分类方法，包括：(1)获取fMRI数据，进行预处理，获取对应的标签；(2)对fMRI数据进行聚合；(3)分别以正交的x、y、z轴方向对平均三维图像进行切片；(4)将三组二维图像分别转换为一帧多通道二维图像；(5)构建用于fMRI数据分类的混合多通道卷积神经网络模型；(6)对fMRI数据进行处理，将得到的标签作为输入数据进行训练，得到的参数用于fMRI数据分类的混合卷积神经网络模型；(7)对fMRI数据进行处理，将得到的三帧多通道二维图像输入到训练后的混合卷积神经网络模型中进行分类。本发明能有效地提高fMRI数据分类的准确率，同时减少fMRI数据分类模型训练和分类的计算量。 | ||
| 搜索关键词： | 一种 基于 深度 学习 fmri 数据 分类 方法 | ||
【主权项】：
1.一种基于深度学习的fMRI全脑数据分类方法，其特征在于，具体步骤包括：(1)获取试验参与者的fMRI试验数据，对fMRI试验数据进行预处理，同时获取fMRI数据对应的标签；(2)对每个试验参与者的fMRI全脑数据进行聚合；(3)分别以正交的x、y、z轴方向，对聚合后得到的平均三维图像进行切片，得到三组二维图像；(4)将得到的三组二维图像分别转换为一帧多通道二维图像；(5)构建用于fMRI全脑数据分类的混合多通道卷积神经网络模型；(6)将用于模型训练部分的参与者的fMRI数据经过步骤(1)‑(4)的处理，将得到的三帧多通道二维图像及其分类标签作为输入数据，输入至混合卷积神经网络中进行模型训练，得到混合卷积神经网络的参数，用于fMRI全脑数据分类的混合卷积神经网络模型；(7)对获得的fMRI数据依次进行步骤(1)‑(4)的处理，将得到的三帧多通道二维图像输入到训练后的混合卷积神经网络模型中进行分类。
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华南理工大学，未经华南理工大学许可，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/201811054390.5/，转载请声明来源钻瓜专利网。
