基于fMRI环境下的可深度学习的数据分类系统及使用方法技术方案

本发明专利技术公开了基于fMRI环境下的可深度学习的数据分类系统及使用方法，包括使用者身份信息数据确认系统，个人信息数据输入系统，个人信息数据格式规范化模组，录入信息数据处理系统，联网大数据共享信息数据库用以对输入数据先进行自动存储，再进行联网对比和信息过滤，联网联网大数据共享信息数据库所储存的所有信息数据都用于供基于信息数据的深度学习模型进行深度学习和反复练习。本发明专利技术能够对患有脑部疾病的患者进行脑部成像处理，并且能够对样本图像进行反复练习和深度学习，从而能够对fMRI检测过程中所产生的样本图像进行存储和分析分类并能够快速对成像结果进行给出，有利于功能性磁共振成像(FMRI)快速形成深度学习的应用。习的应用。习的应用。

【技术实现步骤摘要】
基于fMRI环境下的可深度学习的数据分类系统及使用方法


[0001]本专利技术涉及医疗器械
，具体是基于fMRI环境下的可深度学习的数据分类系统及使用方法。

技术介绍

[0002]功能性磁共振成像(FMRI)是一种新兴的神经影像学方式，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。由于fMRI的非侵入性、没有辐射暴露问题与其较为广泛的应用。功能性磁共振成像技术(fMRI)是一种无创的脑功能活动测量手段，fMRI数据反映了人类大脑的血氧含量情况。目前fMRI已被广泛应用于认知科学、发育科学、精神疾病等领域。其中静息态fMRI数据是fMRI数据的一种，测量了人类处于清醒、闭眼、无干扰、放松状态下的fMRI数据，反映了人类最真实的大脑活动状态，可以检测大脑在物理结构或活动行为的异常，常用于研究人类大脑疾病的诊断与治疗。
[0003]深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：1.基于卷积运算的神经网络系统，即卷积神经网络。2.基于多层神经元的自编码神经网络，包括自编码以及近年来受到广泛关注的稀疏编码两类。3.以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习是机器学习中一种对数据进行表征学习的方法，深度神经网络(DNN)、卷积神经网络(CNN)等深度学习模型已成功应用于计算机视觉、语音识别、自然语言处理等领域。深度学习模型已被用于对静息态fMRI数据的分类。脑部疾病，颅内组织器官(脑膜血管、大脑、小脑、脑干、颅神经等)的炎症、血管病、肿瘤、变性、畸形、遗传病、免疫性疾病、营养代谢性疾病、中毒、外伤、寄生虫病等的总称。脑部疾病的病情各异，有的还直接危及生命。常表现意识、感觉、运动等障碍或植物神经功能障碍。亦可有发热、头痛、呕吐等症状及精神症状。脑部疾病大多需要通过手术进行治疗。
[0004]然而，现有的功能性磁共振成像(FMRI)有着自身的局限性，其在对大量患者的头部进行检测的过程中只能对患者的头部进行成像处理的过程中，这其中对产生大量的样本图像，当前功能性磁共振成像(FMRI)还无法对大量的样本图像进行训练，致使功能性磁共振成像(FMRI)在成像后还需要医务工作者花费几个小时甚至几天的时间对成像结果进行分析和分类，样本图像分析的结果才能给出，这不利于功能性磁共振成像(FMRI)快速形成深度学习的应用。

技术实现思路

[0005]本专利技术的目的在于提供基于fMRI环境下的可深度学习的数据分类系统及使用方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]基于fMRI环境下的可深度学习的数据分类系统及使用方法，包括使用者身份信息数据确认系统，个人信息数据输入系统，个人信息数据格式规范化模组，录入信息数据处理
系统，联网大数据共享信息数据库以及基于信息数据的深度学习模型，使用者身份信息数据确认系统包括指纹识别身份确认模块和面部识别身份确认模块，用以识别本深度学习模型内实际操作的使用者，且本深度学习模型每次只能识别出一名实际操作的使用者，个人信息数据输入系统是将病患的基本信息数据作为输入数据进行输入，个人信息数据格式规范化模组将输入的病患基本信息数据进行分割和重组，并对分割和重组后的基本信息数据进行储存，录入信息数据处理系统用以将上一步储存后的信息数据进行分析和筛选，联网大数据共享信息数据库用以对输入数据先进行自动存储，再进行联网对比和信息过滤，再将过滤出的重要信息数据进行快速比对，联网联网大数据共享信息数据库所储存的所有信息数据都用于供基于信息数据的深度学习模型进行深度学习和反复练习。
[0008]基于fMRI环境下的可深度学习的数据分类系统的使用方法包括如下步骤：
[0009]S1：使用者身份信息数据确认系统包括指纹识别身份确认模块和面部识别身份确
[0010]认模块，用以识别本深度学习模型内实际操作的使用者；
[0011]S2：个人信息数据输入系统是将病患的基本信息数据作为输入数据进行输入；
[0012]S3：个人信息数据格式规范化模组将输入的病患基本信息数据进行分割和重组，并对分割和重组后的基本信息数据进行储存；
[0013]S4：录入信息数据处理系统用以将上一步储存后的信息数据进行分析和筛选；
[0014]S5：联网大数据共享信息数据库用以对输入数据先进行自动存储，再进行联网对
[0015]比和信息过滤，再将过滤出的重要信息数据进行快速比对；
[0016]S6：联网联网大数据共享信息数据库所储存的所有信息数据都用于供基于信息数
[0017]据的深度学习模型进行深度学习和反复练习；
[0018]S7：通过基于信息数据的深度学习模型对联网联网大数据共享信息数据库所储存的信息数据进行分析和提取，并给出基于该信息数据的详细分类数据。
[0019]作为本专利技术再进一步的方案：个人信息数据格式规范化模组先对输入的基本信息数据进行分隔、重组以及存储处理后，还需要对规范化操作时的的年份、日期以及时间进行存储。
[0020]作为本专利技术再进一步的方案：录入信息数据处理系统包括输入信息数据筛选模块和筛选信息数据存储服务器，输入信息数据筛选模块用以将规范化后的信息数据中的数据中属于特征数据特点的数据筛选出，并对不属于特征数据的数据进行删除处理，以减轻数据存储的容量。
[0021]作为本专利技术再进一步的方案：联网大数据共享信息数据库包括基于共享数据库的特征信息抓取模型、分类器和分类结果给出单元，基于共享数据库的特征信息抓取模型是用以对录入信息数据处理系统中的特征数据进行抓取并与大数据库中的已有特征数据进行比对，再通过分类器将录入信息数据处理系统中已经录入的信息数据进行归类和分类处理，再由分类结果给出单元将分类结果进行存储后并给出。
[0022]作为本专利技术再进一步的方案：基于信息数据的深度学习模型所使用的基础模型为word2vector大数据学习模型，并在word2vector大数据学习模型的基础上再进行代码编程。
[0023]作为本专利技术再进一步的方案：基于信息数据的深度学习模型包括学习模块的信息数据存储模块和学习模块的信息数据处理模块以及分类信息展示模块。
[0024]作为本专利技术再进一步的方案：学习模块的信息数据存储模块是用以存储由分类器给出的结果和基于共享数据库的特征信息抓取模型所抓取出的特征数据，学习模块的信息数据处理模块是用以将分类结果和相应的特征信息数据之间进行匹配并进行储存，记忆和学习，并由分类信息展示模块将最终分类结果进行展示，分类信息展示模块可为LED显示屏。
[0025]与现有技术相比，本专利技术的有益效果是：
[0026]本专利技术通过使用者身份信息数据确认系统，个人信息数据输入系统，个人信息数据格式规范化模组，录入信息数据处理系统，联网大数据共享信息数据库以及基于信息数据的深度学习模型之间的相互配合作业，使得本专利技术能够对患有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于fMRI环境下的可深度学习的数据分类系统及使用方法，包括使用者身份信息数据确认系统，个人信息数据输入系统，个人信息数据格式规范化模组，录入信息数据处理系统，联网大数据共享信息数据库以及基于信息数据的深度学习模型，其特征在于：使用者身份信息数据确认系统包括指纹识别身份确认模块和面部识别身份确认模块，用以识别本深度学习模型内实际操作的使用者，且本深度学习模型每次只能识别出一名实际操作的使用者，个人信息数据输入系统是将病患的基本信息数据作为输入数据进行输入，个人信息数据格式规范化模组将输入的病患基本信息数据进行分割和重组，并对分割和重组后的基本信息数据进行储存，录入信息数据处理系统用以将上一步储存后的信息数据进行分析和筛选，联网大数据共享信息数据库用以对输入数据先进行自动存储，再进行联网对比和信息过滤，再将过滤出的重要信息数据进行快速比对，联网联网大数据共享信息数据库所储存的所有信息数据都用于供基于信息数据的深度学习模型进行深度学习和反复练习。2.根据权利要求1所述的基于fMRI环境下的可深度学习的数据分类系统的使用方法包括如下步骤：S1：使用者身份信息数据确认系统包括指纹识别身份确认模块和面部识别身份确认模块，用以识别本深度学习模型内实际操作的使用者；S2：个人信息数据输入系统是将病患的基本信息数据作为输入数据进行输入；S3：个人信息数据格式规范化模组将输入的病患基本信息数据进行分割和重组，并对分割和重组后的基本信息数据进行储存；S4：录入信息数据处理系统用以将上一步储存后的信息数据进行分析和筛选；S5：联网大数据共享信息数据库用以对输入数据先进行自动存储，再进行联网对比和信息过滤，再将过滤出的重要信息数据进行快速比对；S6：联网联网大数据共享信息数据库所储存的所有信息数据都用于供基于信息数据的深度学习模型进行深度学习和反复练习；S7：通过基于信息数据的深度学习模型对联网联网大数据共享信息数据库所储存的信息数据进行分析和提取，并给出基于该信息数据的详细分类数据。3.根据权利要求2所述的基于fMRI环境下的可...

【专利技术属性】
技术研发人员：王超群，
申请(专利权)人：王超群，
类型：发明
国别省市：