申请/专利权人:南京航空航天大学
申请日:2022-05-30
公开(公告)日:2022-09-20
公开(公告)号:CN115082380A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/774;G06V10/82;G06N3/04;A61B5/00;A61B5/055
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.11#实质审查的生效;2022.09.20#公开
摘要:本发明公开了一种面向脑网络分类的图卷积网络对抗攻击方法,对预先获取的核磁共振图像进行大脑区域划分,构建脑功能网络;对脑功能网络设计对抗攻击方法,生成对抗样本;结合表型测量对静息态功能磁共振成像进行建模;构建基于图卷积网络的脑网络分类模型,实现脑网络分类;对脑网络分类模型的鲁棒性评估。本发明有助于改善并提升分类性能,同时对医学影像分析有更好的适用性;有助于在部署应用智能医学图像深度模型前对模型的鲁棒性检测工作;通过研究图对抗攻击在脑功能网络上的应用,也将为更深入的研究提供见解,启发未来的工作对模型进行扩展,使其增强抵御攻击的能力,从而为医疗机器学习的安全和稳定做出贡献。
主权项:1.一种面向脑网络分类的图卷积网络对抗攻击方法,其特征在于,包括以下步骤:1对预先获取的核磁共振图像进行大脑区域划分,构建脑功能网络;2对脑功能网络设计对抗攻击方法,生成对抗样本;3结合表型测量对静息态功能磁共振成像进行建模;4构建基于图卷积网络的脑网络分类模型,实现脑网络分类;5对脑网络分类模型的鲁棒性评估。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种面向脑网络分类的图卷积网络对抗攻击方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。