一种基于深度学习的fMRI全脑数据分类方法

发明专利有效专利

申请号：
CN201811054390.5
IPC分类号：A61B5/055
申请日期：
2018-09-11
申请人：
华南理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的fMRI全脑数据分类方法
申请号	CN201811054390.5	申请日期	2018-09-11
法律状态	授权	申报国家	中国
公开/公告日	2019-01-18	公开/公告号	CN109222972A
优先权	暂无	优先权号	暂无
主分类号	A61B5/055 ? IPC结构图谱： A 人类生活必需 A6 保健；救生；娱乐 A61 医学或兽医学；卫生学 A61B 诊断；外科；鉴定（分析生物材料入G01N，如G01N33/48） A61B5/00 用于诊断目的的测量（放射诊断入A61B6/00；超声波、声波或次声波诊断入A61B8/00）；人的辨识 A61B5/05 用电流或磁场的诊断测量（A61B 5/02，A61B 5/04，A61B 5/11优先）〔5〕 A61B5/055 包含电磁共振〔EMR〕或核磁共振〔NMR〕的，例如磁共振成像〔5〕	IPC分类号	A;6;1;B;5;/;0;5;5查看分类表>
申请人	华南理工大学	申请人地址	广东省广州市天河区五山路381号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华南理工大学	当前权利人	华南理工大学
发明人	胡金龙;邝岳臻;董守斌
代理机构	广州市华学知识产权代理有限公司	代理人	刘巧霞

摘要

本发明公开了一种基于深度学习的fMRI全脑数据分类方法，包括：(1)获取fMRI数据，进行预处理，获取对应的标签；(2)对fMRI数据进行聚合；(3)分别以正交的x、y、z轴方向对平均三维图像进行切片；(4)将三组二维图像分别转换为一帧多通道二维图像；(5)构建用于fMRI数据分类的混合多通道卷积神经网络模型；(6)对fMRI数据进行处理，将得到的标签作为输入数据进行训练，得到的参数用于fMRI数据分类的混合卷积神经网络模型；(7)对fMRI数据进行处理，将得到的三帧多通道二维图像输入到训练后的混合卷积神经网络模型中进行分类。本发明能有效地提高fMRI数据分类的准确率，同时减少fMRI数据分类模型训练和分类的计算量。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供