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：南通大学

摘要：本发明提供了基于动态证据融合神经网络的精神分裂症多视图分类方法，属于智能医学处理技术领域；其技术方案为：利用边缘到边缘、边缘到节点和节点到图卷积滤波器提取精神分裂症患者动态脑网络连接矩阵每个视图的特征图；将每个视图的特征图分别通过全连接层和激活层以获得多视图动态证据；根据动态证据导出迪利克雷分布参数，调整置信度后构建动态信任函数并计算每个视图的动态信任函数；在分类的决策层进行证据融合后获得联合信任函数；使用多视图损失函数训练神经网络。本发明的有益效果为：本发明分类精度较好，为精神分裂症诊断提供决策支持，提高患者就医满意度。

主权项：1.基于动态证据融合神经网络的精神分裂症多视图分类方法，其特征在于，包括以下步骤：S1：利用边缘到边缘、边缘到节点和节点到图卷积滤波器提取精神分裂症患者动态脑网络连接矩阵Ad＝{Ad1,Ad2,…,AdV}每个视图的特征图dFCN2G，其中将精神分裂症患者的动态脑网络连接矩阵依次经过三个卷积滤波器得到特征图其中1≤v≤V，V是视图数量，是特征图矩阵；S2：将每个视图的特征图分别通过三个全连接层和一个激活层Softplus，得到动态证据其中1≤v≤V，V是视图数量，1≤k≤K，K是类别数；S3：根据动态证据e为每个类标签分配一个置信度并为整个框架分配一个总体不确定性质量uv，由动态证据e导出迪利克雷分布参数针对精神分裂症患者动态脑网络数据的时序性调整置信度后构建动态信任函数并计算每个视图的动态信任函数其中1≤v≤V，V是视图数量，1≤k≤K，K是类别数；所述步骤S3包括如下步骤：步骤S3.1：对于第v个窗口，根据动态证据为每个类标签分配一个置信度并为整个框架分配一个总体不确定性质量uv，且它们的总和是1，即其中，uv≥0和分别表示第v个窗口的总体不确定性和第k类的置信度，1≤v≤V，V是视图数量，1≤k≤K，K是类别数；步骤S3.2：由动态证据导出迪利克雷分布参数即αk＝ek+1，置信度和不确定性uv的计算公式如下： 其中，步骤S3.3：针对精神分裂症患者动态脑网络数据的时序性调整置信度如公式5所示： 其中，当v＝1时，当1＜v＜V时，当v＝V时，其中，步骤S3.4：构建动态信任函数其中是每个视图的动态信任函数，1≤v≤V，V是视图数量，1≤k≤K，K是类别数；S4：使用证据合成规则融合每个视图的动态信任函数得到联合信任函数其中1≤v≤V，V是视图数量，1≤k≤K，K是类别数；S5：调整交叉熵损失并引入KL散度项DKL为迪利克雷分布添加先验作为正则项，如公式1所示，使用多视图损失l作为最终的损失函数训练神经网络，如公式2所示： 其中，yik是第i个样本的类别k的预测结果，ψ·是digamma函数，λ＞0是平衡因子，Pi是单纯形上的类别分配概率，是迪利克雷分布的调整参数。

全文数据：

权利要求：

百度查询： 南通大学 基于动态证据融合神经网络的精神分裂症多视图分类方法