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：南京邮电大学

摘要：本发明公开了一种基于高斯图Lasso估计的轻量级核磁共振成像图处理方法，属于图像处理技术领域；方法为：构建Transformer模型，重建大脑sMRI图像的潜在表示；利用高斯图模型GGM构建大脑ROI图网络；采用图形Lasso估计，实现ROI关系的稀疏表示；采用GraphTransformer模型实现核磁共振成像图处理。本发明通过Transformer模型提取大脑sMRI图像特征并依据大脑AAL模板映射出大脑ROI特征，高斯图模型GGM构建大脑区域ROIs的图网络，解决区域间关系；应用GLasso算法对图网络保留ROI连接，移除冗余，实现ROI图网络的轻量化，提高核磁共振成像图处理的准确性。

主权项：1.一种基于高斯图Lasso估计的轻量级核磁共振成像图处理方法，其特征在于：该方法包括以下步骤：步骤S1：基于大脑sMRI图像，构建Transformer模型，通过图像重建学习大脑sMRI图像的潜在表示；步骤S2：利用高斯图模型GGM构建相应的大脑ROI图网络；步骤S2-1：定义一个矩阵，每个元素表示对应两个ROI之间的相关性；步骤S2-2：生成ROI区域相关性的精度矩阵；生成ROI区域相关性的精度矩阵，具体为：步骤S2-2-1：从ROI特征矩阵中估计协方差矩阵，计算公式如下： ；其中，是第i个ROI特征向量，是平均ROI特征向量；为ROI的数量；步骤S2-2-2：精度矩阵估计：精度矩阵反映了ROI之间的条件依赖关系，精度矩阵是协方差矩阵S的逆矩阵，计算公式如下： ；步骤S2-2-3：计算部分相关系数；步骤S2-2-4：图生成：在获得部分相关系数后，生成GGM，具体表示为一个加权无向图，其中，表示节点ROIs的集合，表示节点之间的边；步骤S3：采用图形Lasso估计，实现ROI关系的稀疏表示；步骤S3-1：构建图形Lasso估计目标函数；目标函数如下：；其中，是精度矩阵，是协方差矩阵，是控制稀疏度的正则化参数，是精度矩阵的L1范数；的值直接影响精度矩阵中零元素的数量；步骤S3-2：交替方向乘子ADMM算法，求解GLasso优化问题；优化问题公式化为：；其中，表示正定矩阵集合，确保精度矩阵的正定性，确保精度矩阵适合数据，控制精度矩阵的稀疏性；步骤S4：采用GraphTransformer模型实现核磁共振成像图处理。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于高斯图Lasso估计的轻量级核磁共振成像图处理方法