一种基于卷积神经网络和Transformer的脑网络特征提取方法技术

本发明专利技术公开了一种基于卷积神经网络和Transformer的脑网络特征提取方法，属于医学图像分析领域，该方法包括：S1、对于每个受试者，基于ALL模板，使用固定大小的滑动时间窗口将rs

【技术实现步骤摘要】
一种基于卷积神经网络和Transformer的脑网络特征提取方法


[0001]本专利技术涉及医学图像分析领域，具体涉及一种基于卷积神经网络和Transformer的脑网络特征提取方法。

技术介绍

[0002]阿尔兹海默症(Alzheimer
’
s disease,AD)是老年人群中最常见的一种神经退行性疾病，主要表现为进行性认知和功能缺陷，且随着年龄增长，其发病率呈现持续增加的趋势。因此对于AD相关大脑疾病的早期诊断便成为了一项艰巨但却有意义的任务。得益于神经影像学技术的发展，静息态功能磁共振成像(resting
‑
state functional magnetic resonance imaging,rs
‑
fMRI)已广泛应用于医学图像分析领域。基于rs
‑
fMRI数据的功能连接网络(functional connectivity network,FCN)也被提出用于分析和诊断脑部疾病，包括AD及其早期阶段，即轻度认知障碍(mild cognitive impairme本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络和Transformer的脑网络特征提取方法，其特征在于，包括以下步骤：S1、对于每个受试者样本，基于自动解剖标记模板，使用固定大小的滑动时间窗口将rs
‑
fMRI数据划分成多个重叠的时间序列片段；S2、对于每个时间序列片段，使用皮尔逊相关系数衡量配对大脑区域之间的功能连接强度，构建动态功能连接网络；S3、定义三个阶段的特征提取层用以分层的方式提取并耦合动态功能连接网络的局部脑网络序列特征和全局脑网络序列特征表示，每一阶段均包括一个卷积层和一个Temporal Transformer双分支结构；其中卷积层提取局部脑网络序列特征，Temporal Transformer捕获全局脑网络序列特征表示；S4、使用一个多层感知机学习特征提取层输出的耦合特征。2.如权利要求1所述的基于卷积神经网络和Transformer的脑网络特征提取方法，其特征在于，S1具体为：对于每个受试者样本，基于自动解剖标记模板，将每个受试者的大脑划分为N个大脑区域，并依据rs
‑
fMRI数据得到每个脑区的平均时间序列，使用固定大小的滑动时间窗口将rs
‑
fMRI数据划分成T个重叠的时间序列片段，其中单个时间序列片段的长度设置为L，两两相邻时间序列片段之间的间隔设置为2个时间点。3.如权利要求1所述的基于卷积神经网络和Transformer的脑网络特征提取方法，其特征在于，...

【专利技术属性】
技术研发人员：接标，周杰，张志祥，李汪根，卞维新，杨杨，丁新涛，周文，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：