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：南通大学

摘要：本发明提供了一种基于多模态模糊特征融合的脑龄预测方法，属于医学影像与计算机科学的交叉领域。其技术方案为：包括以下步骤：S1：采集受试者的核磁共振成像组成原始样本集；S2：对原始样本集进行预处理；S3：利用深度卷积神经网络提取三个不同模态的特征，并将其径向拼接；S4：设计基于Choquet积分的模糊融合模块；S5：设计协同卷积融合模块；S6：基于线性回归得到预测年龄，构成一个完整的脑龄预测神经网络。本发明的有益效果为：模糊融合提取到的多模态特征，克服了单一模态的局限性，多模态融合过程中的不确定性，提高了脑龄预测模型的预测能力，从而更有效地应对复杂的脑龄预测任务。

主权项：1.一种基于多模态模糊特征融合的脑龄预测方法，其特征在于，包括以下步骤：S1：采集受试者的脑部核磁共振成像数据组成原始样本数据集，该数据集包括受试者的脑部核磁共振成像、年龄、性别信息；S2：利用DPARSF7.0工具箱对采集到的原始脑部核磁共振成像进行预处理，生成三种不同模态的图像数据fALFF、ReHo、T1w，然后，将这三种模态的图像与其对应的年龄、性别进行配对，形成完整的样本数据集，最后，将预处理完成的样本数据集划分为训练数据集、验证数据集和测试数据集；S3：读取数据集并进行预处理，且按照数据匹配对应标签形成输入数据，以便输入神经网络，构建深度卷积神经网络，用于从不同模态的数据中提取相同维度大小的特征，获得三个模态的特征张量Zfalff，Zreho，Zt1w，并将这三个特征张量径向拼接成一个特征张量Zcat；S4：构建基于Choquet积分的模糊融合模块，首先，根据相关性子集初始化模糊测度参数矩阵FM，利用公式计算出最终模糊测度参数矩阵FM'，接下来，嵌套循环遍历融合特征的各个维度，对各个维度的特征进行升序排序，生成索引矩阵，根据索引构建差分矩阵，最终形成特征输入矩阵D；然后，将特征输入矩阵D与模糊测度矩阵FM'进行矩阵乘法运算，从而计算出各维度上的Choquet积分值CHI，最后，将计算得到的Choquet积分值赋值给原始融合特征，得到模糊融合后的特征ZCHI；S5：构建协同卷积融合模块，协同卷积模块由特定参数配置的3D卷积层，批归一化层和ELU激活函数组成，设置3D卷积层的相关参数如下：kernel_size＝1,1,3,stride＝1,padding＝0,dilation＝1,1,2，将ZCHI经过协同卷积融合模块处理，得到模糊协同特征Zcol，接着，对该特征张量进行自适应平均池化操作，得到形状大小为B,C,1,1,1的张量Zage；S6：基于线性回归进行年龄预测任务，将Zage降维，并通过一个线性层和一个ELU激活函数，将其转换为形状大小为B,C的二维特征张量，输入到特定线性回归模块中，得到最终的预测结果ypred，该线性回归模块包括一个输入维度为C，输出维度为16的线性层，一个输入维度为16，输出维度为1的线性层，以及一个ReLU激活函数。

全文数据：

权利要求：

百度查询： 南通大学 一种基于多模态模糊特征融合的脑龄预测方法