[发明专利]基于功能性磁共振成像构建网络模型的训练方法和装置

权利要求书

1.一种基于功能性磁共振成像(fMRI)构建网络模型的训练方法，包括：

对原始的fMRI图像数据进行采样和预处理；

建立卷积神经网络(CNN)模型；

创建第一训练数据集，其中第一训练数据集包括预处理后的fMRI图像片段；

在第一阶段使用第一训练数据集对CNN模型进行训练并输出分类结果；

创建第二训练数据集，其中第二训练数据集是第一训练数据集中损失值最小的fMRI图像片段；

在第二阶段使用第二测试数据集对CNN模型进行训练并输出分类结果。

2.根据权利要求1所述的方法，其中，所述在第一阶段使用第一训练数据集对CNN模型进行训练包括在第一阶段使用第一训练数据集对3D-CNN+LSTM模型进行训练。

3.根据权利要求1所述的方法，其中，所述在第二阶段使用第二测试数据集对CNN模型进行训练并输出分类结果包括在第二阶段使用第二测试数据集对4D-CNN模型进行训练并输出分类结果。

4.根据权利要求1所述的方法，其中，所述第二训练数据集是在第一训练数据集上进行最大期望(EM)算法得到。

5.根据权利要求3所述的方法，其中，所述4D-CNN模型中的4D卷积为一个3×3×3×1卷积和一个1×1×1×3卷积的叠加。

6.根据权利要求1所述的方法，其中，在对获取的原始功能磁共振成像(fMRI)数据进行预处理之前，该方法还包括：对获取的原始功能磁共振成像(fMRI)图像数据进行验证；

其中，对获取的原始功能磁共振成像(fMRI)图像数据进行验证包括：

存储组织形式验证：根据给定的数据存储目录，验证数据存储方式是否符合脑成像数据存储的标准化框架(BIDS)标准；同时，可以根据目录信息获取受试者列表；

数据格式验证：对数据存储格式进行验证，如果数据存储格式是dicom格式，将其转换为nifti格式；

数据完整性验证：对受试者样本中的图像是否缺失、影像数据内部像素是否完整进行验证，筛选并去除异常的样本；

异常数据日志报告：根据以上各验证结果，收集检测异常的数据相关信息，并将检测异常的数据相关信息返回给用户，以方便用户调整该数据；其中，每一条日志应对应一个受试者的样本编号、异常数据的存储路径以及异常类型。

7.根据权利要求1所述的方法，其中，所述预处理后的fMRI图像序列表示为{f_s,f_s+d,...,f_s+(m-1)d}，其中d为采集步长，f_s为随机选择的开始帧，s+(m-1)d＜n，m为采样片段的帧数。

8.一种基于fMRI构建网络模型的训练装置(10)，包括：数据处理模块(11)、模型分析模块(12)和可视化模块(13)；其中，

数据处理模块(11)用于对原始的功能磁共振成像(fMRI)图像数据进行采样和预处理；

模型分析模块(12)用于建立卷积神经网络(CNN)模型，创建第一训练数据集，其中第一训练数据集包括预处理后的fMRI图像片段，在第一阶段使用第一训练数据集对CNN模型进行训练并输出分类结果，创建第二训练数据集，其中第二训练数据集是第一训练数据集中损失值最小的fMRI图像片段，在第二阶段使用第二测试数据集对CNN模型进行训练并输出分类结果；

可视化模块(13)用于获取指令，检测模型的训练效果，以及展示分析和分类结果。