申请/专利权人：北京邮电大学

申请日：2023-11-29

公开（公告）日：2024-04-02

公开（公告）号：CN117312971B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/214;G16H20/70

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明提供一种孤独症谱系障碍个体识别装置，其中分类识别处理模块所装载的孤独症谱系障碍个体识别模型，在预分类过程中对训练数据区分易分类个体和难分类个体，利用难分类个体添加高斯噪声生成新数据进行数据增强，数据增强过程中对数据分布特征建立约束，一方面要求新被试数据相对同类标签易分类个体中心距离接近，相对异类标签易分类个体中心距离较远，另一方面，要求新被试数据加入后，易分类个体中健康个体组和ASD组内各被试数据到数据中心的平均距离与原始状态的偏差符合设定范围。利用增强后的数据对模型进行参数微调优化，提升了模型对ASD个体的识别准确度和泛化能力。

主权项：1.一种孤独症谱系障碍个体识别装置，其特征在于，所述装置包括：核磁共振成像设备用于采集待测用户的待测fMRI数据，并基于所述待测fMRI数据和分区图谱提取各脑区的待测BOLD信号时间序列数据，对两两脑区的所述待测BOLD信号时间序列数据做相关性强度计算，得到每个被试的待测功能连接网络，取所述待测功能连接网络的上三角元素并向量化作为该被试的待识别特征向量；分类识别处理模块，所述分类识别处理模块预装载孤独症谱系障碍个体识别模型，所述孤独症谱系障碍个体识别模型以所述待测用户的所述待识别特征向量为输入，并输出孤独症谱系障碍个体分类识别结果；其中，所述孤独症谱系障碍个体识别模型的预训练步骤包括：获取第一训练数据集，所述第一训练数据集包括多个被试数据，所述被试数据是针对健康被试或孤独症谱系障碍被试对应fMRI数据的各脑区BOLD信号时间序列数据，对两两脑区的所述BOLD信号时间序列数据做相关性强度计算，得到每个被试的功能连接网络，取功能连接网络的上三角元素并向量化作为该被试的特征向量，每个被试数据添加该被试属于健康或孤独症谱系障碍的标签；获取预训练的初始分类模型，用所述初始分类模型对所述第一训练数据集中的每个被试进行多次分类，将分类正确率大于等于设定阈值的标记为易分类个体，将分类正确率小于设定阈值的标记为难分类个体；将所述易分类个体中的健康被试数据归为第一数据集合，将所述易分类个体中的孤独症谱系障碍被试数据归为第二数据集合；将所述难分类个体对应的被试数据归为第三数据集合；基于第一预设算法计算所述第一数据集合的第一中心以及所述第二数据集合的第二中心，以代表其平均水平；以及计算所述第一数据集合中所有被试数据距离所述第一中心的第一平均距离，计算所述第二数据集合中所有被试数据距离所述第二中心的第二平均距离；在设定约束条件下，对所述第三数据集合中的每个被试的特征向量，添加具有设定缩放系数的高斯噪声以生成新被试数据，将所述第三数据集合添加噪声后的新被试数据按照原始被试标签加入所述第一数据集合或所述第二数据集合，使所述第一数据集合和所述第二数据集合中的新旧被试数量一致，实现数据增强；所述设定约束条件为，令所述第一中心或所述第二中心中与所述新被试数据标签相同的为同类中心，令所述第一中心或所述第二中心中与所述新被试数据标签不同的为异类中心，所述新被试数据与所述同类中心的距离小于所述新被试数据与所述异类中心的距离；以及，在所述新被试数据按照标签类别并入所述第一数据集合或所述第二数据集合后，基于所述第一预设算法重新计算合并后所述第一数据集合的第三中心，计算合并后所述第一数据集中所有被试数据与所述第三中心的第三平均距离，要求所述第三平均距离与所述第一平均距离的偏差符合第一设定范围；或，基于所述第一预设算法重新计算合并后所述第二数据集合的第四中心，计算合并后所述第二数据集中所有被试数据与所述第四中心的第四平均距离，要求所述第四平均距离与所述第二平均距离的偏差符合第二设定范围；利用数据增强后的所述第一数据集合和所述第二数据集合构建第二训练数据集，利用所述第二训练数据集对所述初始分类模型进行训练，对参数进行微调优化得到所述孤独症谱系障碍个体识别模型。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种孤独症谱系障碍个体识别装置

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