[发明专利]基于迁移学习的fMRI视觉编码模型构建方法有效
| 申请号： | 201811570733.3 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109816630B | 公开（公告）日： | 2020-09-04 |
| 发明（设计）人： | 闫镔;张驰;于子雅;段晓菡;童莉;王林元;高辉 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 郑州大通专利商标代理有限公司 41111 | 代理人： | 周艳巧 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于视觉信息处理技术领域，特别涉及一种基于迁移学习的fMRI视觉编码模型构建方法，包含：获取视觉刺激图像数据及其对应的fMRI数据集，将刺激图像数据作为编码模型的输入，视觉区fMRI响应作为模型的输出；通过深度卷积神经网络模型提取刺激图像数据的CNN特征，并针对每个视觉区构造视觉响应编码模型；通过构造动态损失函数训练视觉编码模型中的全连接层响应模型，依据视觉响应模式为大脑视觉区每个体素选取最佳视觉编码模型。本发明利用在大数据集上训练得到的深度神经网络模型提取fMRI视觉实验刺激的特征，并将提取的特征通过有效合理的非线性映射得到对于不同体素的响应，构建精度较高的视觉编码模型，提高了对大脑视觉区体素响应的预测准确性。 | ||
| 搜索关键词： | 基于 迁移 学习 fmri 视觉 编码 模型 构建 方法 | ||
【主权项】：
1.一种基于迁移学习的fMRI视觉编码模型构建方法，其特征在于，包含如下内容：获取视觉刺激图像数据及其对应的fMRI数据集，将刺激图像数据作为编码模型的输入，视觉区fMRI响应作为模型的输出；通过深度卷积神经网络模型提取刺激图像数据的CNN特征，并针对每个视觉区构造视觉响应编码模型；通过构造动态损失函数训练视觉编码模型中的全连接层响应模型，依据视觉响应模式为大脑视觉区每个体素选取最佳视觉编码模型。
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中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，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/201811570733.3/，转载请声明来源钻瓜专利网。
