申请/专利权人：重庆邮电大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117746128A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/77;G06V10/80;G06V10/44;G06V10/82;G06T7/00;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于医学影像分类领域，涉及基于多视图集成学习的自闭症功能磁共振影像分类方法，包括：获取脑部功能磁共振影像，对影像数据进行预处理得到各脑部感兴趣区域的时间序列；将时间序列放入优选的人工神经网络进行特征提取；基于得到的时间序列，通过计算皮尔逊相关系数，构建脑部功能连接网络，对选择的功能连接特征进行特征提取；基于构建的脑部功能连接网络，通过计算皮尔逊相关系数，构建高级脑部功能连接网络，对选择高级脑部功能连接特征进行主成分分析；对关键特征进行特征选择和集成学习，并进行分类，采用投票机制对分类结果进行选取，得到最终的分类结果；本发明对被试对象的脑部功能磁共振影像进行分类，有力地改善了分类的效果。

主权项：1.一种基于多视图集成学习的自闭症功能磁共振影像分类方法，其特征在于，包括：S1、获取检测对象脑部功能磁共振影像；对磁共振影像进行预处理，得到各脑部感兴趣区域血氧水平变化的时间序列；S2、采用高效-自闭症网络对时间序列进行特征提取，得到第一关键特征；S3、根据时间序列计算每两个脑区感兴趣区域之间的皮尔逊相关性，根据皮尔逊相关性构建脑部的功能连接网络；S4、根据脑部的功能连接网络构建高级脑部功能连接网络；S5、计算脑部的功能连接网络中每个功能连接特征的肯德尔相关系数，基于每个功能连接特征的肯德尔系数将高级脑部功能连接中的所有功能连接特征进行排序，选择排名靠前的功能连接特征；S6、对高级功能连接网络中的特征进行筛选；S7、将功能连接特征输入到卷积神经网络中提取特征，得到第二关键特征；S8、采用主成分分析法对筛选出的高级功能连接网络中特征进行降维，得到主要特征；S9、将第一关键特征、第二关键特征以及主要特征进行集成学习和特征选择，得到三种脑功能特征；S10、分别将三种脑功能特征输入到线性支持向量机分类器进行分类，得到三个分类预测标签；采用投票机制确定最终的分类结果。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于多视图集成学习的自闭症功能磁共振影像分类方法

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