【技术实现步骤摘要】
本专利技术属于医学影像分类领域，具体涉及一种基于特征融合的孤独症磁共振图像分类方法与系统。
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。传统的基于症状的分类方法不能揭示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早期分类的有力工具。近年来，rs-fmri与机器学习和深度学习技术相结合用于asd分类，取得了良好的效果，成为asd分类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磁共振图像的分类。但是目前基于孤独症磁共振图像的深度学习分类模型精度还有待提高，目前的分类模型无法灵活调节灵敏度和特异度，使之不能适应于某些特定的实际需要。为此，深入研究磁共振图像，提高磁共振图像分类精度，尤为必要。p>
本文档来自技高网...
【技术保护点】
1.一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，包括：
2.根据权利要求1所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，对图像进行预处理，包括：
3.根据权利要求1所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，对时间序列使用固定长度的随机滑动窗口进行数据增强和数据平衡，包括：
4.根据权利要求1所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，所述改进的人工神经网络，包括：
5.根据权利要求4所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，将学习到的空...
【技术特征摘要】
1.一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，包括：
2.根据权利要求1所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，对图像进行预处理，包括：
3.根据权利要求1所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，对时间序列使用固定长度的随机滑动窗口进行数据增强和数据平衡，包括：
4.根据权利要求1所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，所述改进的人工神经网络，包括：
5.根据权利要求4所述的一种基于特征融合的孤独症磁共振图像分类方法，其特征在于，将学习到的空域局部特征和全局特征进行...
【专利技术属性】
技术研发人员：邓欣，张连花，刘瑞，肖斌，洪心怡，陈卓峰，霍华翔，
申请(专利权)人：重庆邮电大学，
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。