基于多分支融合图网络的多模态磁共振影像辅助分类系统技术方案

本发明专利技术公开了一种基于多分支融合图网络的多模态磁共振影像辅助分类系统，属于医学图像处理和计算机视觉领域。本系统包括MRI预处理模块和MRI分类模块，前者用于对输入的磁共振成像仪采集的MRI样本进行数据预处理后输出其多个模态的MRI图结构数据；后者包括节点筛选网络和融合图分类网络，其输入均包括各模态图结构数据，节点筛选网络用于生成各分支分类结果以及展示各分支分类过程贡献的节点权重；融合图分类网络对各分支的图结构数据进行加权融合生成节点融合后的分类结果。本发明专利技术使得模态间信息能够互补，进而提高了分类性能；通过筛选节点进行融合图分类以充分利用各模态对分类的贡献特征，同时使模态间的联系能被更有效地学习。

【技术实现步骤摘要】

本专利技术属于医学图像处理和计算机视觉领域，具体涉及一种基于多分支融合图网络的多模态磁共振影像辅助分类系统。

技术介绍

1、精神分裂症(schizophrenia，sz)是一种严重影响人类健康、且流行广泛的精神疾病，可以被认为是所有精神疾病中最严重的一种。其症状包括现实扭曲、混乱以及消极症状，给患者带来了巨大的身心痛苦与经济负担。目前精神分裂症的主要诊断方式是参照精神疾病的诊断分类系统，这是一种医生基于量表对患者临床表现的主观评估，相对缺乏客观性。

2、磁共振影像(magnetic resonance image，mri)作为一种非侵入式成像手段，为我们提供了研究大脑内部活动的方式。根据采集方法与目标的不同，核磁共振仪器可以采集不同模态的mri，如结构性mri(structural mri，smri)、功能性mri(functional mri，fmri)、弥散张量成像(diffusion tensor imaging，dti)。不同的模态因其不同的侧重存在大脑信息的差异，但也存在许多共性。

3、机器学习及深度学习技术的兴起，使我们本文档来自技高网...

【技术保护点】

1.基于多分支融合图网络的多模态磁共振影像辅助分类系统，其特征在于，该系统包括依次连接的MRI预处理模块与MRI分类模块；

2.如权利要求1所述的系统，其特征在于，该系统还包括模型训练模块，所述模型训练模块配置为根据交叉熵函数并利用深度学习算法对MRI分类模块进行模型训练；且训练时的损失值包括节点筛选网络的单分支分类结果的分类损失，以及融合分类结果的分类损失。

3.如权利要求1所述的系统，其特征在于，所述图结构数据为有向图结构数据，包括模态图数据的顶点集合，模态图数据的边集合，模态图数据的节点特征集合。

4.如权利要求3所述的的系统，其特征在于，图结构...

【技术特征摘要】

1.基于多分支融合图网络的多模态磁共振影像辅助分类系统，其特征在于，该系统包括依次连接的mri预处理模块与mri分类模块；

2.如权利要求1所述的系统，其特征在于，该系统还包括模型训练模块，所述模型训练模块配置为根据交叉熵函数并利用深度学习算法对mri分类模块进行模型训练；且训练时的损失值包括节点筛选网络的单分支分类结果的分类损失，以及融合分类结果的分类损失。

...

【专利技术属性】
技术研发人员：高婧婧，钱茂民，唐和平，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：