一种联合子空间和类别均衡自适应的脑状态分类方法技术

本发明专利技术适用于功能磁共振成像数据的大脑状态分类领域，提供了一种联合子空间和类别均衡自适应的脑状态分类方法，包括如下步骤：步骤S1：对原始的4D任务态fMRI数据进行切片预处理；步骤S2：采用ImageNet上预训练的深度神经网络对源域数据进行训练，生成类别相似度标签；步骤S3：基于预训练的深度迁移网络模型，联合子空间学习方法和类别平衡自适应约束项对未标记的目标域数据进行学习，并完成脑状态分类任务；引入CBA约束对类别相似度信息进行迁移，并调和小批量中样本类别的比例，能够更好地缓解数据不平衡对脑状态分类的影响，表现出更强的半监督学习能力，为神经影像数据的分析方法提供新的思路。方法提供新的思路。方法提供新的思路。

【技术实现步骤摘要】
一种联合子空间和类别均衡自适应的脑状态分类方法


[0001]本专利技术属于功能磁共振成像数据的大脑状态分类
，尤其涉及一种联合子空间和类别均衡自适应的脑状态分类方法。

技术介绍

[0002]脑状态解码是认知神经科学中重要的前沿课题之一。具体来说，研究者希望不仅能够解释给定任何行为任务的大脑神经活动(编码)，而且能够解码大脑神经活动以推断行为任务的输入(解码)。可以从两个不同但互补的角度解释这种编码和解码的关系，编码关注于特定的信息如何存储在大脑中，并对某些刺激特征引起的大脑神经活动进行建模。相反，解码关注于如何将特定的信息从大脑中反推出来，即根据刺激引起的脑神经活动特征预测大脑的特定状态。其中，跨脑解码指的是根据一组被试的脑神经活动反推出不同被试所受的刺激信息。功能磁共振成像(fMRI，functional Magnetic Resonance Imaging)技术的快速发展奠定了脑状态解码的基础，其中，任务态fMRI(tfMRI，task
‑
based fMRI)能够更好地采集涉及特定认知或感知任务的大脑信号，成为脑状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合子空间和类别均衡自适应的脑状态分类方法，其特征在于：包括如下步骤：步骤S1：对原始的4D任务态fMRI数据进行切片预处理；步骤S2：采用ImageNet上预训练的深度神经网络对源域数据进行训练，生成类别相似度标签；步骤S3：基于预训练的深度迁移网络模型，联合子空间学习方法和类别平衡自适应约束项对未标记的目标域数据进行学习，并完成脑状态分类任务。2.如权利要求1所述的一种联合子空间和类别均衡自适应的脑状态分类方法，其特征在于：所述步骤S1中进行切片预处理的具体方式为：从人类连接基因组计划数据库中选择有全部任务数据的被试；使用脑提取工具BET从每个fMRI采集时程相对应的图像中去除整个头部的非脑组织；采用4mm半峰全宽的高斯核，通过DPARSF对数据进行空间平滑处理，以增加信噪比；针对跨被试组分析的需要，使用宽松的高斯参数并应用均值强度归一化；利用OpenCV将每个体积的2D切片样本转换为PNG格式。3.如权利要求2所述的一种联合子空间和类别均衡自适应的脑状态分类方法，其特征在于：被试的数据包括情感、工作记忆、运动、语言，关系分析、赌博和社交认知。4.如权利要求1所述的一种联合子空间和类别均衡自适应的脑状态分类方法，其特征在于：所述步骤S1中，删除了每个对象的体积的前十个和最后十个切片，并且仅选择了32个连续切片作为输入。5.如权利要求1所述的一种联合子空间和类别均衡自适应的脑状态分类方法...

【专利技术属性】
技术研发人员：张亚萌，高宇飞，石磊，徐静，
申请(专利权)人：河南省人民医院，
类型：发明
国别省市：