[发明专利]基于集成学习的大脑功能影像定位方法

摘要

本发明公开了一种基于集成学习的大脑功能影像定位方法，针对胶质瘤患者脑功能区空间位置的个体差异，利用先进的机器学习算法，将弹性网络算法嵌入集成学习框架，实现了个体化模型生成，构建出因人而异的脑功能区定位器，真正实现了个体化定位，可以在手术中更好的保护脑功能，对每例患者构建个体化脑功能定位模型，提高了定位精度，同时实现无创的脑功能区定位，并不需要患者配合任务态，有利于保护危重病人脑功能。

主权项

1.基于集成学习的大脑功能影像定位方法，其特征在于，具体包括以下步骤：步骤S1，采用静息态功能磁共振技术获取脑功能区胶质瘤患者指定时间内的静息态功能影像及高精度结构影像；步骤S2，对步骤S1中获取的影像数据集采取多项预处理；步骤S3，将大脑划分为若干功能脑区；步骤S4，针对每个功能脑区，利用弹性网络统计模型进行对侧功能连接特征选择和对侧功能连接模式定位分类器训练，在训练集上，针对每个脑功能区胶质瘤患者个体的每个功能脑区分别训练一个对侧定位分类器，构建每个功能脑区的弱分类器模型库；步骤S5，对于新来的脑功能区胶质瘤患者数据，将任一功能脑区的弱分类器模型库中的所有弱分类器应用于该患者个体数据，得到对该功能脑区的若干定位结果；步骤S6，计算新来的脑功能区胶质瘤患者数据和弱分类器训练个体数据的相似度，利用计算获得的相似度，对所有弹性网络弱分类器的预测结果进行个体化集成；步骤S7，根据脑功能区胶质瘤患者肿瘤附近每个体素在不同功能脑区对应的集成模型评分，将评分转换成在对应功能脑区的排序，将排序最高的功能脑区标签赋给当前体素，实现大脑功能区的个体化定位。