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：之江实验室

摘要：本申请涉及一种基于多时间点多模态脑影像数据的脑疾病病程预测系统。所述系统包括：数据采集模块用于采集被试多时间点的多模态脑影像数据；矩阵构建模块用于基于压缩自编码器构建多模态脑影像数据的第一特征时序矩阵；矩阵填补模块用于基于多模态特征时序模型补全第一特征时序矩阵，得到第二特征时序矩阵；病程预测模块用于获取当前时间点之前所有时间点的多模态脑影像数据的病程评分数据集，将第二特征时序矩阵和病程评分数据集输入病程预测模型，获取被试在当前时间点的多模态脑影像数据的病程预测评分。采用本系统能够整合多模态脑影像数据在纵向时间点上的临床评分以及多模态脑影像特征，提高当前时间点多模态脑影像病程预测评分的准确率。

主权项：1.一种基于多时间点多模态脑影像数据的脑疾病病程预测系统，其特征在于，所述系统包括：数据采集模块，用于采集被试多时间点的多模态脑影像数据；矩阵构建模块，用于基于压缩自编码器构建所述多模态脑影像数据的第一特征时序矩阵；所述压缩自编码器基于多模态脑影像训练集训练得到，包括训练完备的编码器和解码器；其中，所述编码器，用于分别将目标模态各时间点的脑影像数据分割成对应的非重叠三维影像块，对各所述非重叠三维影像块进行编码，得到影像块编码结果；通过将各所述影像块编码结果与位置编码进行求和，引入目标模态各时间点的各所述三维影像块的位置信息；构建常规窗口与移位窗口，各所述影像块编码结果基于所述位置信息划分至对应的所述常规窗口内；控制所述移位窗口与所述常规窗口进行信息交互，得到目标模态下各时间点的脑影像多尺度特征；所述解码器，用于获取目标模态下各时间点的脑影像多尺度特征进行图像重建，得到重建脑影像；矩阵填补模块，用于基于多模态特征时序模型补全所述第一特征时序矩阵，得到第二特征时序矩阵；所述多模态特征时序模型基于第一特征时序矩阵训练集训练得到；其中，所述第一特征时序矩阵包括多个已知元素位置和至少一个缺失元素位置，所述矩阵填补模块包括数据拆分模块、正向加噪模块、反向去噪网络以及特征填补模块；所述数据拆分模块，还用于根据目标选择策略，将所述第一特征时序矩阵中部分已知元素设置为填补目标，其余已知元素设置为条件信息；构建条件掩膜矩阵以及目标掩膜矩阵；所述条件掩膜矩阵中作为条件信息的已知元素位置被标记，所述目标掩膜矩阵中作为填补目标的已知元素位置被标记；所述正向加噪模块，用于根据所述条件掩膜矩阵中未被标记元素位置，对所述第一特征时序矩阵中对应的元素位置进行迭代正向加噪，提取迭代过程中各所述填补目标在目标时间步下的加噪填补目标，构造所述目标时间步下的加噪目标矩阵；将所述加噪目标矩阵与所述条件信息进行拼接，得到拼接结果，并将所述拼接结果与时间编码矩阵进行求和，得到求和结果；所述反向去噪网络，用于对每个目标时间步下的所述求和结果进行反向去噪，输出每个目标时间步迭代添加的预测噪声；所述特征填补模块，用于根据每个目标时间步迭代添加的所述预测噪声，对每个目标时间步下的所述加噪目标矩阵进行采样，得到对应的采样结果，迭代生成对应的所述缺失元素位置上的脑影像特征，输出得到所述第二特征时序矩阵；病程预测模块，用于获取当前时间点之前所有时间点的多模态脑影像数据的病程评分数据集，将所述第二特征时序矩阵和所述病程评分数据集输入病程预测模型，获取所述被试在当前时间点的多模态脑影像数据对应的病程预测评分；所述病程预测模型基于第二特征时序矩阵训练集和病程评分训练集训练得到。

全文数据：

权利要求：

百度查询： 之江实验室 基于多时间点多模态脑影像数据的脑疾病病程预测系统