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：大连理工大学

摘要：一种利用复数fMRI数据空间源相位图进行CNN分类的方法，属于生物医学信号处理领域。首先使用ICA从复数fMRI数据中获取感兴趣成分的空间成分，然后取其空间源相位图建立样本集，再输入2D‑CNN进行分类，实现对病人与健康人分类性能的改进。例如，采用本发明对82个被试的复数静息态fMRI数据进行精神分裂症患者和健康对照被试分类，选择DMN作为感兴趣成分，使用空间源相位图的CNN分类准确率为84.43％，相比于使用空间源幅值图的分类准确率72.65％，本发明能够在样本数相同的情况下将切片识别准确率提高11.78％。

主权项：1.一种利用复数fMRI数据空间源相位图进行CNN分类的方法，通过提取感兴趣成分的SSP图建立样本集训练CNN，实现对神经精神类脑疾病患者与健康人分类性能的改进；其特征在于，以下步骤：第一步：输入数据输入被试k的四维复数fMRI观测数据K是被试总数，T是扫描时间点个数，X、Y、Z是大脑空间的三个维度；第二步：空间一维化、去脑外数据将Xk的空间维变一维后，大小等于X×Y×Z，去除脑外体素，只取脑内体素，得到T是扫描时间点个数，V为脑内体素数，且VX×Y×Z；第三步：主成分分析PCA降维利用PCA对进行降维，得到K是被试总数，N为模型阶数，N≤T；第四步：ICA分离与感兴趣成分提取采用复数ICA算法对进行分离，然后采用“Y.Qiu,Q.H.Linetal.,Spatialsourcephase:Anewfeatureforidentifyingspatialdifferencesbasedoncomplex-valuedresting-statefMRIdata,HumanBrainMapping,pp.1–15,2019”中方法，从N个ICA分离成分中选择感兴趣成分的空间激活图及其对应的时间过程sk的参考模板选自文献“S.M.Smith,P.T.Foxetal.,Correspondenceofthebrain'sfunctionalarchitectureduringactivationandrest,ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,vol.106,no.31,pp.13040-13045,2009”给出的分析结果；第五步：ICA后处理基于实部能量最大化，计算相位校正旋转角，如下： 式中，“Re{·}”表示取实部，然后，将sk在复平面进行旋转校正如下： 式中，“corr·”计算两个向量的相关系数，用于去除的符号模糊性，相关系数大于等于0表示无符号模糊性，“-1”表示在复平面旋转180度；中血氧水平依赖信号具有大值相位，集中在[-π,-3π4]和[3π4,π]范围内，以π为基线，最大相位变化为π4，而噪声信号的相位值较小，集中在-3π4,3π4范围内，对sk构建二值化掩蔽如下： 式中，表示sk中体素v的相位值，v＝1,…,V，利用掩蔽bk对sk进行相位消噪得到： 式中，表示Hadamard乘积，为感兴趣成分消噪后的空间激活图，k＝1,…,K；第六步：提取感兴趣成分bestrun重复第三步到第五步R次，采用“L.D.Kuang,Q.H.Linetal.,ModelordereffectsonICAofresting-statecomplex-valuedfMRIdata:applicationtoschizophrenia,JournalofNeuroscienceMethodsvol.304,pp.24–38,2018”中方法，利用R次感兴趣成分消噪后的空间激活图求取bestrun，记为第七步：提取空间源相位取的相位得到SSP，记为K是被试总数，如下： 第八步：建立切片集将的脑外体素补零之后恢复为三维SSP激活图沿z轴将三维SSP激活图展开为二维切片堆叠，记为根据参考模板sref的激活信息，保留信息量大的W个切片W≤Z，z＝z,…,z+W-1，对每个切片取绝对值后进行标准化，如下： 式中分别为的均值和标准差，则被试k的切片集表示为K是被试总数；第九步：建立样本集给中每个切片贴上对应的标签定义表示该切片来自健康对照被试，表示来自精神分裂症患者，则被试k的样本集表示为K是被试总数；第十步：数据增广设置L种不同的模型阶数，重复第三步到第九步，则被试k的样本集由原来的W个增加到W×L个，K个被试的复数fMRI数据所构成的最终样本集表示为第十一步：送入CNN进行分类；第十二步：输出多被试SSP切片分类准确率。

全文数据：

权利要求：

百度查询： 大连理工大学 一种利用复数fMRI数据空间源相位图进行CNN分类的方法