[发明专利]一种用于功能核磁共振成像数据生成的生成对抗网络模型的实现方法在审
| 申请号： | 201910679959.5 | 申请日： | 2019-07-26 |
| 公开（公告）号： | CN110503187A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 姚棋;陆虎;刘赛雄;余超杰 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G16H30/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于功能核磁共振成像数据生成的生成对抗网络模型的实现方法，属于机器学习领域。该方法通过生成对抗网络(GAN)生成fMRI图像，并用生成的图像与原始的数据集混合起到扩充数据集的作用。本发明提出的生成对抗网络结构包括一个五层隐藏层的生成器和一个使用跳跃连接残差模块的判别器。本发明旨在利用对抗网络生成的fMRI图像，扩充数据集，解决fMRI数据量少的问题，提高了分类网络的泛化能力，减少过拟合的风险。本发明能有效的解决脑疾病分类过程中核磁共振成像数据量不足的问题，来辅助医生诊断疾病。 | ||
| 搜索关键词： | 数据集 对抗 数据量 功能核磁共振 核磁共振成像 机器学习领域 成像数据 分类过程 分类网络 辅助医生 网络结构 网络模型 网络生成 诊断疾病 脑疾病 判别器 生成器 隐藏层 残差 拟合 跳跃 并用 图像 网络 | ||
【主权项】：
1.一种用于功能核磁共振成像数据生成的生成对抗网络模型的实现方法，其特征在于，包括数据生成的步骤、数据集扩充与分类的步骤；/n所述数据生成的步骤：通过设计生成对抗网络实现，所述生成对抗网络包括生成器和判别器；生成器的作用是对fMRI图像进行生成，生成器通过训练一个映射函数，将网络输入的正态分布的噪声转化成生成的fMRI图像；判别器的作用是判别输入的图像是真实的fMRI图像还是生成的图像，并将判断得到的结果反馈到生成器中；/n所述数据集扩充与分类的步骤：将生成得到的fMRI图像加入原始的fMRI数据集中，得到扩充的数据集，扩充后的数据集作为训练集训练深度神经网络；训练完成后的深度神经网络作为分类器，对fMRI图像进行分类。/n
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江苏大学，未经江苏大学许可，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/201910679959.5/，转载请声明来源钻瓜专利网。
