基于深度学习的静息态fMRI数据分类方法和装置

作者：胡金龙; 邝岳臻; 曹丽洁; 陈浪; 布社辉; 董守斌

来源：2019-05-20, 中国, CN201910417295.5.

本发明公开了一种基于深度学习的静息态fMRI数据分类方法和装置,包括：1)获取静息态fMRI试验数据,进行预处理并获取标签；2)对静息态fMRI数据进行大脑区域划分,提取功能连接特征和脑区综合特征；3)提取全脑体素点特征；4)提取个人属性特征；5)构建用于静息态fMRI数据分类的混合神经网络模型；6)将用于模型训练部分的数据进行处理,作为输入数据进行混合神经网络的训练,得到的参数用于静息态fMRI数据分类的混合神经网络模型；7)对静息态fMRI数据进行处理,将得到的功能连接特征、脑区综合特征、全脑体素点特征和个人属性特征输入到训练后的混合神经网络模型中进行分类。本发明能保留各项特征的数据形式,综合考虑各项特征的信息,有效提高分类准确率。

• 单位
  华南理工大学