[发明专利]一种基于深度学习的年龄估计方法

权利要求书

1.一种基于深度学习的年龄估计方法，其特征在于，包括以下步骤：

步骤1，获取多个人员的T1加权的脑部核磁共振图像；

步骤2，将所获取到的脑部核磁共振图像作为训练样本，并将所述训练样本分为两部分，一部分作为生成模型的训练样本，另一部分作为带入所得模型以获取特征向量的训练样本；

步骤3，分割作为训练样本的脑部核磁共振图像，提取分割后的图像切片，并将所述分割后的图像切片数据化，获得训练样本的图像数据，包含作为生成模型的训练样本的图像数据和作为带入所得模型以获取特征向量的训练样本的图像数据；

步骤4，预处理所述作为生成模型的训练样本的图像数据，获得训练数据的均值和方差；

步骤5，建立卷积神经网络，根据所述训练数据的均值和方差获得卷积神经网络的输入值，并利用反向传播法则对所述卷积神经网络进行训练，获得训练之后的模型并保存；

步骤6，将作为带入所得模型以获取特征向量的训练样本的图像数据带入所述模型，获取特征向量；所述特征向量为人脑核磁共振图像的各区块面积所占比例的关系；

步骤7，取受试者的T1加权的脑部核磁共振图像作为测试样本，带入所述模型，获取特征向量，并将所述特征向量送入支持向量机，以使所述支持向量机根据预存的特征向量与年龄之间的对应关系进行训练分类，获得所述测试样本的预测年龄。

2.根据权利要求1所述的基于深度学习的年龄估计方法，其特征在于，步骤1中，共获取1000-1500张脑部核磁共振图像。

3.根据权利要求1所述的基于深度学习的年龄估计方法，其特征在于，步骤2中，所述将所述训练样本分为两部分为随机分配，且所述作为带入所得模型以获取特征向量的训练样本的数量占所述训练样本的数量的比例不小于2/3。

4.根据权利要求1所述的基于深度学习的年龄估计方法，其特征在于，步骤3中，所述分割作为训练样本的脑部核磁共振图像具体为：采用相关向量机分割作为训练样本的脑部核磁共振图像。

5.根据权利要求1所述的基于深度学习的年龄估计方法，其特征在于，步骤4中，所述预处理为使用频道规范化进行预处理，具体预处理方式为归一化。

6.根据权利要求1所述的基于深度学习的年龄估计方法，其特征在于，步骤4中，所述训练数据的均值M^(s)按照以下公式进行计算：式中，i∈{1,2,...,N}，N为训练样本的数量；s∈{1,2,...,S}，S为每个人员共有的脑部核磁共振图像切片的数量；表示第s个图像切片的数据；

所述训练数据的方差δ_s按照以下公式进行计算：式中，表示第s个图像切片数据的标准偏差。

7.根据权利要求1所述的基于深度学习的年龄估计方法，其特征在于，步骤5中，所述建立卷积神经网络具体为：将单层的神经网络多次的堆叠，前一层的输出作为后一层的输入，由此建立卷积神经网络。

8.根据权利要求7述的基于深度学习的年龄估计方法，其特征在于，步骤5中，根据所述训练数据的均值和方差获得所述卷积神经网络的输入值，具体为按照以下公式获得卷积神经网络的输入值