CN116843667B 一种基于多任务学习的脑影像分类及脑认知评分预测方法 （中南大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116843667B(45)授权公告日2025.07.11

(21)申请号202310888573.1

(22)申请日2023.07.19

(65)同一申请的已公布的文献号申请公布号CN116843667A

(43)申请公布日2023.10.03

(73)专利权人中南大学

地址410000湖南省长沙市岳麓区麓山南

路932号

(72)发明人刘锦田旭李洪东

(74)专利代理机构长沙轩荣专利代理有限公司

43235

专利代理师李崇章

(51)Int.CI.

GO6T7/00(2017.01)

GO6V10/764(2022.01)

GO6V10/774(2022.01)

GO6V10/44(2022.01)

GO6V10/82(2022.01)

(56)对比文件

WO2023087006A1,2023.05.19CN113378898A,2021.09.10

审查员王小龙

权利要求书4页说明书13页附图4页

(54)发明名称

一种基于多任务学习的脑影像分类及脑认知评分预测方法

(57)摘要

CN116843667B本申请适用于图像分类技术领域，提供了一种基于多任务学习的脑影像分类及脑认知评分预测方法，包括获取训练脑磁共振影像图像集；构建脑影像分类及脑认知评分预测型；将训练脑磁共振图像集输入该模型，得到脑影像分类结果、脑认知评分预测值以及交互特征；分别构建第一、第二、第三以及第四损失函数；根据上述损失函数，确定脑影像分类及脑认知评分预测模型的损失值；利用损失值对该模型进行反向传播，得到训练后的脑影像分类及脑认知评分预测模型；将待识别脑磁共振图像输入到训练后的脑影像分类及脑认知评分预测模型，得到脑影像分类结果和脑认知评分预测值。本申请能够提高脑影像分类和脑认知评分预测的准确

CN116843667B

获取训练脑磁共振图像集

获取训练脑磁共振图像集

构建脑影像分类及脑认知评分预测模型

将训练脑驰共振图像集中的脑磁共振图像逐个输入脑影像分类及脑认知评分预测模型，得到个脑影像分类结果、N个

根据个脑影像分类结果，构建第一损失步14

根据N个脑认知

评分预测值，构建第二损失函数

步16

根据预先获取的个脑磁共振图像样本中每个脑磁共报图像样本的脑认知

评分实际值，构建第四损失函数

根据第一损失函数、第二损失函数、第

步118

利用损失值对脑影像分类及脑认知评分预测模型进行反向传播，直至脑影像分

类及脑认知评分预测模型收敛，得到训练后的脑影像分类及脑认知评分预测模

脑磁共振图像的分类结果

步哪I

步12步13

函数

CN116843667B权利要求书1/4页

2

1.一种基于多任务学习的脑影像分类及脑认知评分预测方法，其特征在于，包括：

获取训练脑磁共振图像集；所述训练脑磁共振图像集包括N个脑磁共振图像样本；

构建脑影像分类及脑认知评分预测模型；所述脑影像分类及脑认知评分预测模型包括用于提取脑影像分类特征的第一特征提取模块、用于提取脑认知评分特征的第二特征提取模块、用于对所述脑影像分类特征和所述脑认知评分特征进行交互的特征交互模块、用于生成脑影像分类结果的识别模块以及用于生成脑认知评分预测结果的预测模块，所述第一特征提取模块的输入端和所述第二特征提取模块的输入端接收脑磁共振图像，所述第一特征提取模块的第一输出端输出脑影像分类特征，所述第二特征提取模块的第一输出端输出脑认知评分特征，所述特征交互模块的第一输入端连接所述第一特征提取模块的第二输出端，所述特征交互模块的第二输入端连接所述第二特征提取模块的第二输出端，所述特征交互模块的第一输出端连接所述识别模块的第一输入端，所述识别模块的第二输入端连接所述第一特征提取模块的第一输出端，所述识别模块的输出端输出脑影像分类结果，所述特征交互模块的第二输出端连接所述预测模块的第一输入端，所述预测模块的第二输入端连接所述第二特征提取模块的第一输出端，所述预测模块的输出端输出脑认知评分预测值；

将所述训练脑磁共振图像集中的脑磁共振图像逐个输入所述脑影像分类及脑认知评分预测模型，得到N个脑影像分类结果、N个脑认知评分预测值以及N