基于脑功能超网络模型的多特征融合数据分类方法发明专利 (1).pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112418337 B (45)授权公告日 2021.11.02 (21)申请号 202011364161.0 G06T 7/11 (2017.01) G16H 30/20 (2018.01) (22)申请日 2020.11.27 (56)对比文件 (65)同一申请的已公布的文献号 申请公布号 CN 112418337 A CN 108229066 A,2018.06.29 CN 111754395 A,2020.10.09 (43)申请公布日 2021.02.26 CN 107909117 A,2018.04.13 (73)专利权人 太原理工大学 CN 107133651 B,2018.03.16 地址 030000 山西省太原市迎泽西大街79 审查员 胡星海 号 (72)发明人 程忱　李瑶　孙伯廷　荆智文　 (74)专利代理机构 成都东恒知盛知识产权代理 事务所 (特殊普通合伙) 51304 代理人 何健雄 (51)Int.Cl. G06K 9/62 (2006.01) 权利要求书4页 说明书10页 附图2页 (54)发明名称 基于脑功能超网络模型的多特征融合数据 分类方法 (57)摘要 本发明涉及图像处理技术，具体是一种基于 脑功能超网络模型的多特征融合磁共振影像数 据分类方法。本发明解决了传统的磁共振成像数 据分类方法使用单一属性特征所导致的准确率 低的问题，多角度立体评估超网络的拓扑结构， 呈现了超网络拓扑信息的完整性，增强了组间差 异表征能力，适用于功能磁共振影像分类的相关 研究。本发明先使用composite MCP方法构建超 网络模型，然后从超网络中提取11种不同的特征 作为融合特征进行分类，以弥补单一属性特征包 含信息单一的缺点。这种富含充分信息的特征集 B 能够表征脑超网络中全方位多角度的拓扑，呈现 7 了超网络拓扑结构的完整性，从而保证之后构建 3 3 8 的分类器能够有效的提取辨别信息，提高分类器 1 4 2 分类精度的上限。 1 1 N C CN 112418337 B 权　利　要　求　书 1/4页 1.基于脑功能超网络模型的多特征融合数据分类方法，其特征在于，包括以下步骤： 步骤S1：获取静息态功能磁共振影像数据，并对影像数据进行预处理；根据选定的脑图 谱模板，对预处理后的影像数据中每个脑区进行平均时间序列的提取； 步骤S2：基于每个脑区的平均时间序列，构建稀疏线性回归模型；并利用composite  MCP方法求解稀疏线性回归模型，得到脑功能超网络模型； 其中，求解稀疏线性回归模型具体包括： 所述稀疏线性回归模型如下所示： x ＝Aα+τ               (1) k k k k N 其中，x ∈R，表示第k个感兴趣区域ROI的平