孤独症预测神经网络构建方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种孤独症预测神经网络构建方法、装置、设备及存储介质，其中方法包括：利用预先获取的基于时间序列的功能磁共振影像构建特征向量；利用待优化全连接神经网络中的隐藏层参数构建种群；基于种群中每个个体建立初始稀疏神经网络，并结合初始稀疏神经网络的验证精度和交叉熵损失计算每个个体的个体适应度；对种群迭代更新，直至新的种群的个体适应度收敛时，选取新的种群中个体适应度最高的个体对应的初始稀疏神经网络作为孤独症预测神经网络。通过上述方式，本发明专利技术能够有效且自发地优化神经网络的拓扑结构，最终生成稀疏连接的神经网络，并取得更好的分类性能。

【技术实现步骤摘要】

本申请涉及机器学习，特别是涉及一种孤独症预测神经网络构建方法、装置、设备及存储介质。

技术介绍

1、孤独症谱系障碍(asd)是一种常见的复杂神经发育障碍，发生在儿童早期，核心特征是社交和受限的重复性感觉运动行为。传统的基于症状的诊断方法不能揭示asd背后的发病机制，因此往往是不可靠。随着神经影像学的发展，非侵入式脑成像技术成为了研究和揭示asd一类的神经疾病的有力工具。其中，功能磁共振(rs-fmri)测量血氧等级相关的变化信号可以帮助临床医生和神经科学家视觉评估大脑的功能特性或属性,已成为asd早期诊断的有力工具。近年来，rs-fmri与机器学习和深度学习技术相结合用于asd诊断，取得了良好的效果，成为asd诊断最有前途的影像学方法之一。

2、近年来，机器学习(包括深度学习)方法已经被广泛应用于孤独症的分类。近年来，机器学习方法已经被广泛应用于细胞图像的预测和研究。但是，目前的大部分基于rs-fmri的孤独症分类模型都全部或部分依赖于全连接神经网络，全连接神经网络的工作机制决定了其默认所有的输入特征都具有相关性，这忽略了这样一种可能性：实际上本文档来自技高网...

【技术保护点】

1.一种孤独症预测神经网络构建方法，其特征在于，其包括：

2.根据权利要求1所述的孤独症预测神经网络构建方法，其特征在于，所述利用预先获取的基于时间序列的功能磁共振影像构建特征向量，包括：

3.根据权利要求1所述的孤独症预测神经网络构建方法，其特征在于，所述利用预先获取的基于时间序列的功能磁共振影像构建特征向量之后，还包括：

4.根据权利要求1所述的孤独症预测神经网络构建方法，其特征在于，所述利用待优化全连接神经网络中的隐藏层参数构建种群，包括：

5.根据权利要求4所述的孤独症预测神经网络构建方法，其特征在于，所述基于所述种群中每个个体建立...

【技术特征摘要】

1.一种孤独症预测神经网络构建方法，其特征在于，其包括：

2.根据权利要求1所述的孤独症预测神经网络构建方法，其特征在于，所述利用预先获取的基于时间序列的功能磁共振影像构建特征向量，包括：

3.根据权利要求1所述的孤独症预测神经网络构建方法，其特征在于，所述利用预先获取的基于时间序列的功能磁共振影像构建特征向量之后，还包括：

4.根据权利要求1所述的孤独症预测神经网络构建方法，其特征在于，所述利用待优化全连接神经网络中的隐藏层参数构建种群，包括：

5.根据权利要求4所述的孤独症预测神经网络构建方法，其特征在于，所述基于所述种群中每个个体建立初始稀疏神经网络，并利用所述特征向量训练每个初始稀疏神经网络，得到验证精度和交叉熵损失，再结合所述验证精度和所述交叉熵损失计算每个个体的个体适应度，包括：

6.根据权利要求5所述的孤独症预测神经网络构建方法，其特征在于...

【专利技术属性】
技术研发人员：张方宇，潘毅，魏彦杰，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：