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！

申请/专利权人：烟台大学

摘要：本发明涉及医学影像处理分析技术领域，具体为基于图连接和图节点的脑网络分类方法、系统和设备；该脑网络分类方法首先基于脑区影像组学特征矩阵，获取脑区间连接性矩阵；然后，将图连接处理脑区间连接性矩阵后得到的脑区间图连接性矩阵，与脑区图节点特征矩阵进行融合，得到融合特征脑网络；接着，将融合特征脑网络进行全连接处理、非线性处理和加权处理，得到脑网络注意力特征；接着，将脑网络注意力特征进行脑区间维度的池化聚合处理和脑区维度的池化聚合处理，得到表达能力强且还能提高计算效率的脑网络节点池化特征；最后，脑网络节点池化特征经分类处理，得到脑网络分类结果；该分类方法具有较高的准确率、敏感性和特异性。

主权项：1.一种基于图连接和图节点的脑网络分类方法，其特征在于，包括如下操作：S1、获取T1加权成像的灰质体积图，所述灰质体积图经脑区划分，并提取不同脑区的影像组学特征，不同脑区的影像组学特征分别经归一化处理后，进行矩阵构建，得到脑区影像组学特征矩阵；S2、基于所述脑区影像组学特征矩阵，获取脑区之间的连通性，得到脑区间连接性矩阵；所述脑区间连接性矩阵经图连接处理，得到脑区间图连接性矩阵；所述脑区之间的连通性为不同脑区之间的直接连通性，或不同脑区之间的直接连通性与不同脑区之间的间接连通性的加权后的和；不同脑区之间的直接连通性是基于不同脑区的影像组学特征和影像组学特征均值得到的；不同脑区之间的间接连通性是不同脑区与中间脑区的直接连通性的加权后的和；所述中间脑区是指与目标不同脑区有直接联系和或间接联系的脑区；不同脑区之间的直接连通性通过如下公式得到： ， a s,t 为脑区s与脑区t之间的直接连通性，xs为脑区s的影像组学特征，为脑区s的影像组学特征均值，xt为脑区t的影像组学特征，为脑区t的影像组学特征均值；含有间接连通性的不同脑区之间的连通性通过如下公式得到： ， a s,t 为脑区s与脑区t之间的连通性，k=1时，as,t为脑区s与脑区t之间的直接连通性；为脑区s与脑区t之间第k条第r阶的连通性，r阶为脑区s到脑区t的边数，当脑区s与脑区t通过中间脑区实现间接连接，且中间脑区有3个时，r=2，k=3，K为连通性的总条数，R为连通性的总阶数；wk为脑区s与脑区t之间第k条连通性的权重，θr为脑区s与脑区t之间第r阶连通性的权重；所述图连接处理的操作具体为：所述脑区间连接性矩阵经一维卷积和维度扩展处理，得到脑区间连接性多维矩阵；所述脑区间连接性多维矩阵经转置处理，得到脑区间连接性转置矩阵；所述脑区间连接性转置矩阵与脑区间连接性多维矩阵进行逐元素相加后，得到所述脑区间图连接性矩阵；S3、脑区影像组学特征矩阵经多层感知机处理，得到脑区图节点特征矩阵；所述脑区图节点特征矩阵与脑区间图连接性矩阵经融合处理，得到融合特征脑网络；所述多层感知机处理通过如下公式实现：y=ReLUwT·x+z，y为所述脑区图节点特征矩阵，ReLU为ReLU激活函数处理，wT为多层感知机权重向量，x为所述脑区影像组学特征矩阵，z为偏差；S4、所述融合特征脑网络经平均池化处理、第一全连接层处理、第一非线性处理、第二全连接层处理和第二非线性处理，得到权重矩阵；所述权重矩阵与融合特征脑网络经逐元素相乘，得到脑网络注意力特征；脑网络注意力特征经脑区间维度的池化聚合处理，得到脑网络脑区间池化特征；所述脑网络脑区间池化特征经脑区维度的池化聚合处理，得到脑网络节点池化特征；S5、所述脑网络节点池化特征经分类处理，得到脑网络分类结果。

全文数据：

权利要求：

百度查询： 烟台大学 基于图连接和图节点的脑网络分类方法、系统和设备