[发明专利]一种基于权值分布的阈值化方法有效
| 申请号： | 201910452319.0 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110211671B | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 接标;王正东;卞维新;丁新涛;周文;左开中;陈付龙;罗永龙 | 申请（专利权）人： | 安徽师范大学 |
| 主分类号： | G16H30/20 | 分类号： | G16H30/20;G06K9/32;G06K9/62 |
| 代理公司： | 芜湖安汇知识产权代理有限公司 34107 | 代理人： | 钟雪 |
| 地址： | 241000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明适用于机器学习与医学影像处理技术领域，提供了一种基于权值分布的阈值化方法，具体包括如下步骤：S1、基于类标签将训练集样本分为两个样本组，即病人组和正常人组；S2、针对两个样本组中所有样本，将各脑区时间序列间的Pearson相关系数作为其连接权重，构建脑网络邻接矩阵；S3、基于两样本组的功能连接分布差异，针对每个脑区对构建一个阈值。通过对网络中每个功能连接，利用其权重分布自适应的构建一个最佳阈值，对不同脑区间的功能连接构建不同阈值，对整个脑网络构建了阈值矩阵，用于阈值化脑网络，从而保留了不同脑区间功能连接的多样性，解决了单一阈值或百分比方法的不足。 | ||
| 搜索关键词： | 一种 基于 分布 阈值 方法 | ||
【主权项】：
1.一种基于权值分布的阈值化方法，其特征在于，所述方法具体包括如下步骤：S1、基于类标签将训练集样本分为两个样本组，即病人组和正常人组；S2、针对两个样本组中所有样本，将各脑区时间序列间的Pearson相关系数作为其连接权重，构建脑网络邻接矩阵；S3、基于两样本组的功能连接分布差异，针对每个脑区对构建一个阈值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽师范大学，未经安徽师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910452319.0/，转载请声明来源钻瓜专利网。
