[发明专利]一种基于深度学习的白质纤维束重建方法

摘要

本发明公开了一种基于深度学习的白质纤维束重建方法，主要针对白质纤维束重建，首先提取训练样本集中数字图像的信号稀疏性特征；然后导入卷积神经网络中进行训练，分类结果采用前向传播，分类误差采用反向传播算法，获得最佳的网络模型；其次，提取的测试样本集中图像信号稀疏性的特征，输入到训练好的网络模型中，得到最终的预测结果；最后，采用连续曲线拟合把获得的结果描述成白质纤维的走向和分布，重建三维白质纤维束。本发明能够准确的构建交叉、分叉的白质纤维束，为白质纤维束的临床研究和生理病理机制提供帮助。

主权项

一种基于深度学习的白质纤维束重建方法，其特征在于，包括以下步骤：1)提取训练样本集图像中信号稀疏性特征；2)输入图像信号稀疏性特征到卷积神经网络的训练分类器中，分类结果向前预测输出；3)将步骤2)中获得的预测输出结果与相应的理想输出结果进行对比，获得分类误差；4)将步骤3)中获得的分类误差反向传播，以减小预测输出与理想输出间的误差，训练出最佳的网络模型，然后再根据所述分类误差重新调整卷积神经网络的训练分类器；5)反复迭代步骤2)至步骤4)，对多个训练样本图像进行多次训练，直到所述分类误差小于预定值，此时的模型就是训练好的白质纤维束重建的网络模型；6)把测试样本集图像中的信号稀疏性特征输入到步骤5)中获得的训练好的网络模型中，得到最终的预测结果；7)采用连续曲线拟合将步骤6)中获得的结果描述成白质纤维的走向和分布，构建三维白质纤维束。