[发明专利]一种基于深度学习的年龄估计方法

摘要

本发明公开了一种基于深度学习的年龄估计方法，首先获取多个人员的脑部核磁共振图像，并将其作为训练样本，分割作为训练样本的脑部核磁共振图像，并对分割后的各个区块的图像切片进行提取并数据化，获得训练样本的图像数据，预处理该图像数据，获得均值和方差；建立卷积神经网络，获得卷积神经网络的输入值，并对卷积神经网络进行训练分类，获得训练之后的模型，然后获取人脑核磁共振图像的各区块面积所占比例之间的关系；最后将受试者的脑部核磁共振图像作为测试样本，带入模型获取特征向量，并将特征向量送入支持向量机进行训练分类，获得所述测试样本的预测年龄。该方法可以更加快速、高效、准确的估计受试者的年龄。

主权项

1.一种基于深度学习的年龄估计方法，其特征在于，包括以下步骤：步骤1，获取多个人员的T1加权的脑部核磁共振图像；步骤2，将所获取到的脑部核磁共振图像作为训练样本，并将所述训练样本分为两部分，一部分作为生成模型的训练样本，另一部分作为带入所得模型以获取特征向量的训练样本；步骤3，分割作为训练样本的脑部核磁共振图像，提取分割后的图像切片，并将所述分割后的图像切片数据化，获得训练样本的图像数据，包含作为生成模型的训练样本的图像数据和作为带入所得模型以获取特征向量的训练样本的图像数据；步骤4，预处理所述作为生成模型的训练样本的图像数据，获得训练数据的均值和方差；步骤5，建立卷积神经网络，根据所述训练数据的均值和方差获得卷积神经网络的输入值，并利用反向传播法则对所述卷积神经网络进行训练，获得训练之后的模型并保存；步骤6，将作为带入所得模型以获取特征向量的训练样本的图像数据带入所述模型，获取特征向量；所述特征向量为人脑核磁共振图像的各区块面积所占比例的关系；步骤7，取受试者的T1加权的脑部核磁共振图像作为测试样本，带入所述模型，获取特征向量，并将所述特征向量送入支持向量机，以使所述支持向量机根据预存的特征向量与年龄之间的对应关系进行训练分类，获得所述测试样本的预测年龄。