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：一种基于热力图解释多被试复数fMRI数据CNN分类结果的方法，属于生物医学信号处理领域。将单被试切片样本输入一个训练好的CNN模型，提取最后一个池化层输出的特征图；通过反向传播计算模型输出相对于特征图的梯度；将梯度加权后的特征图送入线性整流单元；经过上采样得到热力图，将模型的决策依据可视化，解释单被试分类结果。对于多个被试，将同类被试的热力图进行平均，得到组热力图，解释多被试分类结果。本发明分别计算精神分裂症患者和健康对照被试在两个CNN模型下的热力图。SSP图比SSM图给出了更完整的DMN区域以及更大的组间差异，提高了CNN分类的可信度。

主权项：1.一种基于热力图解释多被试复数fMRI数据CNN分类结果的方法，首先将单被试切片样本输入一个训练好的CNN模型，提取最后一个池化层输出的特征图，然后通过反向传播计算模型输出相对于特征图的梯度用于加权特征图，经过线性整流单元处理后再上采样得到热力图，用于解释单被试分类结果；其中，单被试切片样本为全脑扫描得到的全脑数据样本；对于多个被试，将同类被试的热力图进行平均，得到组热力图，解释多被试分类结果；其特征在于，以下步骤：第一步：将被试j的二维SSP切片样本输入一个训练好的2D-CNN模型，SSP切片表示为J是被试总数，X×Y为SSP切片的大小，x＝1,…,X，y＝1,…,Y，训练好的2D-CNN模型表示为h·；第二步：提取2D-CNN的特征图，从2D-CNN模型中提取最后一个池化层输出的特征图，表示为K为通道数，X′×Y′为特征图的大小，X'、Y'由对应层的卷积核尺寸决定，j＝1,…,J；第三步：输出SSP切片样本的预测结果，计算2D-CNN模型将Ijx,y判断为健康对照被试和神经精神类脑疾病患者的概率，即： 其中预测的类别对应概率为第四步：计算基于梯度的加权值，通过反向传播计算模型输出类别对应最后一个池化层输出的每个通道特征图的梯度，然后进行全局平均池化，如下： 为第k个通道特征图的权重，k＝1,…,K，j＝1,…,J；第五步：生成单被试热力图，将最后一个池化层输出的所有通道的特征图用对应的进行加权后求和，送入ReLU函数以保留对输出类别的计算有正向影响的特征，如下： 对插值，使其与输入SSP切片样本大小X×Y相同，得到单被试热力图，表示为第六步：生成多被试组热力图，将分类正确的同类被试的热力图进行平均得到组热力图，如下： 式中，J′是同类被试总数。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于热力图解释多被试复数fMRI数据CNN分类结果的方法