申请/专利权人：北京邮电大学

申请日：2023-12-15

公开（公告）日：2024-04-16

公开（公告）号：CN117408322B

主分类号：G06N3/08

分类号：G06N3/08;G16H50/20;G06N3/042;G06N3/0455;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本申请提供脑功能与脑结构的映射模型训练方法、装置及映射方法，涉及神经影像领域，所述模型训练方法包括：构建动态脑功能融合网络；基于动态脑功能融合网络得到动态脑功能融合嵌入矩阵和对应的重构矩阵；将动态脑功能融合嵌入矩阵映射为预测行为表征；基于动态脑功能融合嵌入矩阵得到重构脑结构网络；根据重构矩阵、动态脑功能融合网络、预测行为表征、原始行为表征、原始脑结构网络和重构脑结构网络计算误差；计算原始脑结构网络和动态脑功能融合网络的映射关系；基于上述数据进行模型训练，得到脑功能与脑结构的映射模型。本申请能够有效提升脑功能与脑结构映射的全面性，增强映射关系的可解释性，进而能够有效提升神经疾病诊断的准确性。

主权项：1.一种脑功能与脑结构的映射模型训练方法，其特征在于，包括：基于预先构建的静态脑功能网络和各个动态脑功能连接矩阵得到动态脑功能融合网络；将所述动态脑功能融合网络输入图卷积网络层，得到动态脑功能融合嵌入矩阵；基于全连接层得到所述动态脑功能融合嵌入矩阵对应的重构矩阵；并计算所述重构矩阵和动态脑功能融合网络的第一均方误差；基于人工神经网络将所述动态脑功能融合嵌入矩阵映射为预测行为表征；并计算所述预测行为表征和预先获取的原始行为表征之间的第二均方误差；将所述动态脑功能融合嵌入矩阵输入对齐解码器，得到重构脑结构网络；并计算预先构建的原始脑结构网络和重构脑结构网络之间的第三均方误差；基于所述第一均方误差、第二均方误差和第三均方误差得到所述原始脑结构网络和动态脑功能融合网络之间的目标映射关系；根据原始脑训练数据，以及各个健康个体各自对应的所述目标映射关系训练预设的映射模型，并基于所述第一均方误差、第二均方误差和第三均方误差迭代训练该映射模型，以得到用于映射脑结构和脑功能的脑功能与脑结构的映射模型；其中，所述基于预先构建的静态脑功能网络和各个动态脑功能连接矩阵得到动态脑功能融合网络，包括：基于多头自注意力模块将各个所述动态脑功能连接矩阵表示为一注意力矩阵；基于聚类读出函数和各个所述动态脑功能连接矩阵的时间位置信息将各个所述注意力矩阵压缩为一动态脑功能表示图；基于所述静态脑功能网络和动态脑功能表示图得到权重分布函数；基于所述动态脑功能表示图和权重分布函数，得到所述动态脑功能融合网络。

全文数据：

权利要求：

百度查询： 北京邮电大学 脑功能与脑结构的映射模型训练方法、装置及映射方法

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