申请/专利权人：大连理工大学

申请日：2019-11-21

公开（公告）日：2022-09-20

公开（公告）号：CN111046918B

主分类号：G06K9/62

分类号：G06K9/62;G06N3/04;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2022.09.20#授权;2020.05.15#实质审查的生效;2020.04.21#公开

摘要：一种ICA‑CNN分类的fMRI数据空间预平滑增广方法，属于生物医学信号处理领域。首先，对fMRI观测数据施加不同FWHM的空间平滑，增广生成新的fMRI数据集；然后送入ICA‑CNN框架，实现对病人与健康人分类性能的改进。采用本发明对82被试的静息态fMRI数据进行病人和健康人的分类，采用三种不同FWHM的高斯滤波器对观测数据进行空间平滑，生成三组fMRI数据集，然后送入ICA‑CNN框架进行分类。相比已有的多模型阶数数据增广方法，本发明能够将分类准确率提高2％；若将二者结合，能将分类准确率提高12.71％。因此，本发明既能独立提升网络分类性能，也容易与其他增广方法结合，显著提高分类准确率。

主权项：1.一种ICA-CNN分类的fMRI数据空间预平滑增广方法，通过对fMRI观测数据施加空间平滑，增广生成新的fMRI数据集，然后送入ICA-CNN框架，实现对精神分裂症患者与健康人分类性能的改进；其特征在于，以下步骤：第一步：输入被试k的四维fMRI观测幅值数据K是被试总数，T是扫描时间点数，X、Y、Z是大脑空间的三个维度；第二步：将每个被试的四维fMRI数据沿着时间轴分解成一系列三维空间信号xk1,x,y,z,…,xkt,x,y,z,…,xkT,x,y,z，其中xkt,x,y,z为时间点t处的三维扫描图，t＝1,…,T，x＝1,…,X，y＝1,…,Y，z＝1,…,Z，k＝1,…,K；第三步：空间平滑，将被试k在时间点t处的空间数据xkt,x,y,z，k＝1,…,K，与三维高斯滤波器进行卷积实现空间平滑，如下式所示： 式中表示三维卷积计算，gx,y,z为三维零均值高斯函数，定义为： 其中，σ为标准差，决定滤波器的宽度，σ越大，平滑程度越大，半峰全宽FWHM是衡量高斯核大小的常用参数，与σ具有线性关系如下，利用G个具有不同FWHM大小的高斯滤波器对所有被试的观测数据进行平滑，能将每个被试的数据集由原来的一组增广至G组，对于被试k，将G组增广数据记做第四步：将的空间维展为一维，即空间维大小等于X×Y×Z，i＝1,…,G，然后去除脑外体素，只取脑内体素，得到V为脑内体素数，VX×Y×Z；第五步：利用主成分分析PCA对进行降维，得到N为模型阶数，N≤T；第六步：ICA分离与感兴趣成分提取，采用Infomax算法对进行ICA分离；基于与空间成分模板相关系数最大的原则，从N个ICA分离成分中选择感兴趣成分的空间激活图第七步：对进行脑外体素补零，恢复为三维空间激活图，即第八步：将沿z轴展开为Z个大小为X×Y的二维切片堆叠，记为按照感兴趣成分的有效激活位置，选取W个激活信息量大的切片，W≤Z,记为L,…,L+W-1；第九步：将W个二维切片的体素值归一化至[0,1]，记为然后给每个切片附上对应标签表示健康人，表示精神分裂症患者，建立增广后的CNN样本集每个被试的样本集由原来的W扩大为W×G，即增广为原来的G倍，全部K个被试的样本集增广为K×W×G；第十步：将被试顺序打乱，将样本集按比例分成训练集、验证集、测试集；第十一步：将训练集送入CNN网络进行训练；所述的CNN网络结构包括2个卷积层，2个最大池化层，1个全连接层以及输出层，其中，卷积层核的尺寸为3×3，个数分别为8和16；池化层核的尺寸为2×2，个数分别为8和16；全连接层共64个节点，采用修正线性单元ReLU作为激活函数，输出层使用Softmax给出每个切片所属类别，批处理的大小为64，采用Adam算法进行参数更新，使用二分类交叉熵函数作为网络的损失函数，同时使用L2正则化控制权重，训练CNN模型共R轮，在每一轮，使用验证集计算准确率ACC；保存R轮中验证准确率最高的CNN模型，作为训练得到的CNN模型，令CNN验证结果为准确率ACC定义如下： 式中TP表示真阳性，即TN表示真阴性，即FP表示假阳性，即FN表示假阴性，即第十二步：将测试集输入第十一步训练得到的CNN模型，得到测试准确率ACC；第十三步：采取5折交叉验证，即重复第十步到第十二步5次，得到5次测试准确率ACC，计算其平均结果，记为CNN的最终分类准确率。

全文数据：

权利要求：

百度查询： 大连理工大学 一种ICA-CNN分类的fMRI数据空间预平滑增广方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD