[发明专利]一种联合动态脑网络和长短时记忆网络的癫痫识别装置

摘要

本发明公开了一种联合动态脑网络和长短时记忆网络的癫痫识别装置，属于生物医学图像模式识别技术领域。本发明首先计算癫痫患者和正常对照组的功能磁共振成像的脑网络和动态脑网络。然后对于脑网络，使用F‑score特征选择算法计算脑网络中每一个功能连接的F值，取出F值大于0.06对应的动态脑网络的特征作为长短时记忆网络的输入。接下来建立长短时记忆网络结构，输入为选出的动态脑网络特征，输出为样本标签，其中癫痫患者标签为1，正常人标签为0。最后使用随机梯度下降算法来优化网络中的参数，经过不断的训练，最终完成癫痫患者于正常人之间的识别任务。本发明首次结合动态脑网络和长短时记忆网络来进行癫痫医疗辅助诊断任务。

主权项

一种联合动态脑网络和长短时记忆网络的癫痫识别装置，该装置包括数据输入接口、数据存储器、数据处理器，所述数据存储器上的数据被处理执行能够实现以下步骤；步骤1：步骤脑网络的计算：步骤11：获取病人M个时间节点的脑部静息态的功能磁共振信号，对功能磁共振信号进行包含时间校正、头动校正、配准的预处理；对每个时间节点预处理过后的功能磁共振数据进行如下处理；步骤12：按照246个脑区的模板，计算每个脑区的平均信号，会得到246个平均信号；步骤13：每个脑区的平均信号之间两两算皮尔逊相关系数，会得到246*246的皮尔逊相关系数组成的矩阵，该矩阵为脑网络；步骤2：计算动态脑网络；将步骤1得到M个时间节点的脑网络依次排列，设置时间节点的滑窗长度K和步长，在滑窗过程中计算每次处于窗内的K个脑网络的皮尔逊相关系数矩阵，滑窗完毕后得到H个246*246个皮尔逊相关系数矩阵,这些皮尔逊相关系数矩阵为动态脑网络；步骤3：对脑网络进行特征提取；采用特征提取矩阵来提取动态脑网络的特征，得到H个246*246个特征矩阵，该特征提取矩阵提取出步骤2得到的皮尔逊相关系数矩阵中特定位置的数据，其余位置数据置0，设非零包含有E个非零数据，将非零数据取出，组成一个H*E的特征矩阵；步骤4：将步骤3提取的H个246*246个特征矩阵输入训练好的长短时记忆网络，根据该长短时记忆网络的输出判断病人情况，R根据实际情况决定。