申请/专利权人：之江实验室

申请日：2022-08-30

公开（公告）日：2022-09-27

公开（公告）号：CN115116607A

主分类号：G16H50/20

分类号：G16H50/20;G06T7/00;G06T11/00;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.12.13#授权;2022.10.18#实质审查的生效;2022.09.27#公开

摘要：本发明公开了一种基于静息态磁共振迁移学习的脑疾病预测系统，分别获取健康成人静息态磁共振大数据集和对应脑疾病的患者静息态磁共振数据，预处理后配准到标准脑空间；通过匹配到标准脑空间的脑图谱提取各个脑区的时间信号；利用图卷积网络和门控循环网络构建深度学习模型并基于健康成人大数据集进行预训练；基于预训练模型和患者静息态功能磁共振数据进行模型微调和疾病预测。本发明提取静息态磁共振信号中的时空特征，利用健康成人的静息态磁共振大数据集对深度学习模型进行预训练，充分挖掘健康成人静息态磁共振中的固有时空特征模式，并将健康成人数据中学习到的先验时空特征模式迁移到脑疾病预测中，有效提高模型的预测性能。

主权项：1.一种基于静息态磁共振迁移学习的脑疾病预测系统，其特征在于，该系统包括：数据获取模块、数据处理模块、脑区信号提取模块、模型预训练模块和模型参数调整模块；所述数据获取模块用于获取健康成人静息态磁共振数据和对应脑疾病的患者静息态磁共振数据；所述数据处理模块用于将数据获取模块获取的数据进行标准的数据预处理，并配准到标准空间或皮层空间；所述脑区信号提取模块用于基于数据处理模块处理后的数据以及匹配到标准空间或皮层空间的脑图谱，提取各个脑区的时间信号，根据提取得到的不同脑区的时间信号构建图模型脑功能数据；所述模型预训练模块用于利用图卷积网络和门控循环网络构建深度学习模型，基于健康成人静息态磁共振数据得到的图模型脑功能数据对深度学习模型进行预训练，得到预训练模型；所述模型参数调整模块用于基于模型预训练模块得到的预训练模型，通过基于患者静息态磁共振数据得到的图模型脑功能数据进行预训练模型的参数微调，得到最终的迁移模型后用于脑疾病预测。

全文数据：

权利要求：

百度查询： 之江实验室 一种基于静息态磁共振迁移学习的脑疾病预测系统

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