三通道三维卷积融合神经网络的脑龄预测方法及相关装置制造方法及图纸

本发明专利技术公开了一种三通道三维卷积融合神经网络的脑龄预测方法及相关装置，属于脑龄预测技术领域；通过对对T1原始数据进行预处理得到T1配准图像、灰质图像和白质图像；然后建立三通道三维卷积融合神经网络模型；最后将T1配准图像、灰质图像和白质图像输入三通道三维卷积融合神经网络模型，得到脑龄预测值。本发明专利技术克服了传统脑龄模型存在的数据稀疏性、参数先验性、模型偏移性等问题，相较于传统的机器学习方法，本发明专利技术提出的模型省略了复杂的特征提取过程，节省了大量的时间，并且深度融合模型具有强大的学习能力和拟合泛化能力，能够处理复杂的数据模式。通过结合不同输入类型图像所包含的不同脑部结构信息，从而提高了脑龄预测的准确性和鲁棒性。

【技术实现步骤摘要】

本专利技术属于脑龄预测，涉及一种三通道三维卷积融合神经网络的脑龄预测方法及相关装置。

技术介绍

1、脑衰老是指大脑随着年龄的增长而出现的结构和功能减退，包括神经细胞减少、神经网络失耦联、认知功能下降、情绪波动和行为改变等。脑衰老引起心理和身体健康状况下降，增加脑衰老相关疾病(如神经退行性疾病等)的风险。寻找能够反映脑衰老水平的生物标志物，有助于评估老年个体的脑功能状态及发生神经退行性疾病的风险，从而及时采取个体化抗衰老措施，防治脑衰老相关疾病。脑龄概念的提出为人们提供了反映脑正常或者老化的指标，成为了人们衡量脑老化程度的重要生物标志物，对脑龄的研究同时也有助于临床上相关疾病的诊治以及预防，建立足够精确的模型来预测脑龄具有重要的神经科学和临床价值。

2、磁共振成像作为一种新兴的医学成像技术，具有分辨率高、信息丰富以及无电离辐射损伤等优点，受到广大研究者的青睐。磁共振成像技术本身是基于物理研究发现的技术，根据不同的需求，科学家通过利用核磁共振检测不同的原子达到了不同的目的。在脑龄预测中，t1加权图像是最常用的成像序列，该模态利用扫描过程中的高空间分本文档来自技高网...

【技术保护点】

1.一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，所述对T1原始数据进行预处理得到T1配准图像、灰质图像和白质图像，包括：

3.根据权利要求1所述的一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，所述建立三通道三维卷积融合神经网络模型，包括：建立三通道三维卷积融合神经网络模型，采用脑龄预测值和实际年龄之间的均方误差作为损失函数训练网络权重，并使用Adam优化器来对基本神经网络模型进行优化。

4.根据权利要求3所述的一种三通道三维卷积融...

【技术特征摘要】

1.一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，所述对t1原始数据进行预处理得到t1配准图像、灰质图像和白质图像，包括：

3.根据权利要求1所述的一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，所述建立三通道三维卷积融合神经网络模型，包括：建立三通道三维卷积融合神经网络模型，采用脑龄预测值和实际年龄之间的均方误差作为损失函数训练网络权重，并使用adam优化器来对基本神经网络模型进行优化。

4.根据权利要求3所述的一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，所述基本神经网络模型包括五个特征提取模块和三个全连接层；所述特征提取模块包含两个三维卷积层、一个三维批归一化层和一个最大池化层。

5.根据权利要求4所述的一种三通道三维卷积融合神经网络的脑龄预测方法，其特征在于，所述将t1配准图像、灰质图像和白质图像输入三通道三维卷积融合神经网络模型，得到脑龄预测值，包括：

6.根据权利要求5所...

【专利技术属性】
技术研发人员：白丽君，张翔，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：