龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：贵州大学
摘要：本发明提供了一种基于人工智能的fMRI分类方法，属于分类技术领域，包括：对rs‑fMRI图像进行预处理；构建特征图、；将特征图、分别输入图谱内注意力模块得到两个注意力权重矩阵并输入图谱间联合注意力模块，得到融合后的CC200注意力权重矩阵和融合后的CC400注意力权重矩阵并分别输入到Edge‑GAT网络，将特征图和特征图对应的边特征和节点特征进行聚合、更新，得到更新后的边特征和节点特征；重复上述步骤次，得到个新的特征图、；将得到的所有的特征图、串联，构建最终的特征图并输入分类器中，输出分类标签，通过损失函数优化图网络模型的参数。本发明采用上述的一种基于人工智能的fMRI分类方法，分类准确性高。
主权项：1.一种基于人工智能的fMRI分类方法，其特征在于，包括以下步骤：S1、获取rs-fMRI图像和文本数据，并对rs-fMRI图像进行预处理，得到可用的rs-fMRI数据；S2、将可用的rs-fMRI数据分别输入CC200和CC400两个大脑图谱，提取不同图谱中大脑的血氧水平信号，结合文本数据嵌入式表示获取特征图和特征图；S3、将特征图和特征图输入到图网络模型中进行处理，包括以下子步骤：S31、将特征图和特征图分别输入图谱内注意力模块得到两个注意力权重矩阵；S32、将两个注意力权重矩阵输入图谱间联合注意力模块，得到融合后的CC200注意力权重矩阵和融合后的CC400注意力权重矩阵；S33、将融合后的CC200注意力权重矩阵和融合后的CC400注意力权重矩阵分别输入到Edge-GAT网络，将特征图和特征图对应的边特征和节点特征进行聚合、更新，得到更新后的边特征和节点特征；重复步骤S32~S33共次，共得到个新的特征图和特征图；S34、将步骤S33得到的所有的特征图和特征图串联，构建最终的特征图；S35、将最终的特征图输入分类器中，输出分类标签，通过损失函数优化图网络模型的参数。
全文数据：
权利要求：
百度查询： 贵州大学 一种基于人工智能的fMRI分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号