【技术实现步骤摘要】
本申请涉及信息处理，尤其涉及一种任务态功能磁共振影像层次化建模的方法及装置。
技术介绍
1、随着神经影像技术的不断发展，任务型功能磁共振成像(task-based functionalmagnetic resonance imaging，tfmri)已成为研究人类大脑功能网络和认知行为的重要手段。然而，tfmri数据的复杂性和高维性使得其分析和建模变得非常具有挑战性。目前，已经有许多方法被提出来处理tfmri数据，包括基于模型的方法(如通用线性模型)和基于数据的方法(如独立成分分析和稀疏字典学习)。然而，这些方法都存在一些问题和局限性。
2、首先，基于模型的方法需要先假设一个模型，然后根据数据来拟合模型参数。这种方法的缺点是需要先对数据进行假设，而且模型的假设可能与实际情况不符，导致建模结果不准确。其次，基于数据的方法虽然不需要对数据进行假设，但是它们通常只能建立浅层模型，无法很好地模拟大脑功能网络的层次结构。此外，这些方法通常需要手动选择特征或字典，这可能会导致建模结果的偏差。
3、为了解决这些问题，深度学习技...
【技术保护点】
1.一种任务态功能磁共振影像层次化建模的方法，其特征在于，包括：
2.根据权利要求1所述的任务态功能磁共振影像层次化建模的方法，其特征在于，所述编码器包括预设层数的卷积层，在第一层卷积层后的每一层之间可执行最大池化操作；所述解码器包括预设层数的卷积层，在各卷积层之间可执行反池化操作。
3.根据权利要求2所述的任务态功能磁共振影像层次化建模的方法，其特征在于，当预处理后的信号输入至编码器后，编码器中的第i个特征以卷积方式计算：zi＝f(pi*x+bi)，其中，*表示一维卷积，pi和bi分别为第i个特征的滤波器和偏置，使用整流非线性单元作为激活函数
4....
【技术特征摘要】
1.一种任务态功能磁共振影像层次化建模的方法，其特征在于，包括：
2.根据权利要求1所述的任务态功能磁共振影像层次化建模的方法，其特征在于，所述编码器包括预设层数的卷积层，在第一层卷积层后的每一层之间可执行最大池化操作；所述解码器包括预设层数的卷积层，在各卷积层之间可执行反池化操作。
3.根据权利要求2所述的任务态功能磁共振影像层次化建模的方法，其特征在于，当预处理后的信号输入至编码器后，编码器中的第i个特征以卷积方式计算：zi＝f(pi*x+bi)，其中，*表示一维卷积，pi和bi分别为第i个特征的滤波器和偏置，使用整流非线性单元作为激活函数。
4.根据权利要求2所述的任务态功能磁共振影像层次化建模的方法，其特征在于，所述编码器中的隐藏层h的计算方式为h＝z×w+c，其中，z表示从下层卷积层获得的整个特征映射，w和c分别是所述全连接层的权重和偏置。
5.根据权利要求2所述的任务态功能磁共振影像层次化建模的方法，其特征在于，在所述解码器中，所述全连接层将隐藏层h重塑为特征映射z的重构版本z'：z'＝h×w'+c'，其中，w'和c'分别表示解码器中全连接层的权重和偏置；所述解码器还对重构后的特征进行线性组合，得...
【专利技术属性】
技术研发人员：刘伟奇，马学升，陈金钢，张志敏，陈凯乐，陈韵如，
申请(专利权)人：浙江学时医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。