买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种基于多输入卷积神经网络精神分裂症sMRI图像分类方法，包括：采集精神分裂症与正常人的结构磁共振成像影像数据；对sMRI图像数据进行预处理分别得到未做平滑处理和空间平滑后的灰质密度图像，并构建原始数据集；将原始数据集送入多输入卷积神经网络模型中训练，最后将sMRI影像数据输入到该多输入卷积神经网络模型中，最终输出分类结果。本发明将未做空间平滑处理和空间平滑后影像输入至多输入卷积神经网络中，可以弥补空间平滑中丢失的sMRI影像中的高频信息，同时由于未做平滑处理的图像中包含的噪声可增强卷积神经网络的泛化能力，能有效的解决精神分裂症sMRI图像分类中准确度不高的问题。

主权项：1.基于多输入卷积神经网络的精神分裂症sMRI图像分类方法，其特征在于，具体包括以下步骤：采用磁共振扫描仪进行磁共振T1影像数据采集，获得sMRI图像；对所获得的sMRI图像数据进行数据预处理，获得未做平滑处理的三维灰质密度图像和空间平滑后的三维灰质密度图像；将未做平滑处理的三维灰质密度图像和空间平滑后的三维灰质密度图像分别按照Z轴切片，去除切片后无特征信息的切片图像，构建包括原始的未做空间平滑处理和空间平滑处理后的数据集，数据集由精神分裂症与正常人的数据构成；建立多输入卷积神经网络模型，所述卷积神经网络模型包括两个输入卷积神经网络，每个输入卷积神经网络有三个卷积层和一个池化层；通过一个特征融合层将两个输入卷积神经网络提取的特征进行融合，特征融合层后连接两个全连接层，在每个全连接层后加入一个批归一化层；初始化隐层神经元个数、卷积核的大小、迭代次数和学习率；将空间平滑后和未做平滑处理的sMRI数据分别输入到两个输入卷积神经网络，对多输入卷积神经网络模型进行训练，最终得到最优的多输入卷积神经网络模型；将测试集图像送入最优多输入卷积神经网络模型，最后识别出精神分裂症患者与正常人的图像；将空间平滑后的数据输入至多输入卷积神经网络的一个输入，将未做平滑处理的数据输入到至多输入卷积神经网络模型另外一个输入，然后进行训练，包含如下步骤：将未做空间平滑处理和空间平滑处理的sMRI数据进行Zeropadding边缘填充，得到两个像素矩阵；将两个像素矩阵分别送入两个输入卷积神经网络的第一个卷积层中进行低层特征的提取，第一个卷积层中包含a个隐层神经元，卷积核的大小采用m×m；后将低层特征输入至第二个卷积层中进行特征的提取，第二个卷积层中包含b个隐层神经元，卷积核的大小采用n×n；其后将第二层中提取的特征输入至第三个卷积层中进行抽象特征的提取，第三个卷积层中包含c个隐层神经元，卷积核的大小采用h×h；接着就是对卷积层提取的特征进行最大池化处理得到全局特征，pooling的尺寸为s×s；最后将两个输入层提取的全局特征通过特征融合层进行特征融合，然后将融合后的特征输入两个全连接层中进行分类，并且每个全连接层后加入一个批归一化层和Dropout层；整个过程所采用的激活函数均为ReLU函数。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于多输入卷积神经网络的sMRI图像分类方法和装置