【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种脑模板构建模型训练方法、装置和脑模板构建方法。
技术介绍
1、在神经影像研究中，将个体脑图像规范化到脑模板上是基础步骤，这有助于减少个体间的解剖变异性，从而促进脑结构和功能在群体中的比较。相反，脑模板还能够将详尽的图谱数据（包括结构、生化、功能和血管信息）转换到个体脑图像上，以便进行个性化研究。目前的研究是基于整个数据集构建了一个通用模板，使个体之间能够建立对应关系，以进行汇总的脑分析。
2、然而，由于人类大脑在个体和表型群体（如年龄和性别）之间存在显著的变异性，单个通用模板很难准确地代表所有个体，所得到的脑模板特异性评价不够全面，对于不同脑模板的构建也是通过独立构建程序和学习模型，存在脑模板构建效率低的问题。
技术实现思路
1、本专利技术提供了一种脑模板构建模型训练方法、装置和脑模板构建方法，以解决脑模板特异性评价不够全面和脑模板构建效率低的问题。
2、根据本专利技术的一方面，提供了一种脑模板构建模型训练方法，包括：
...
【技术保护点】
1.一种脑模板构建模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于目标群体的三维脑图像数据集合确定三维全局特征图像和多个批次训练数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述第一生成模型包括残差数据确定子模型和特征融合子模型；
4.根据权利要求1所述的方法，其特征在于，所述第二生成模型包括特征提取子模型、特定脑模板确定子模型和形变场确定子模型；
5.根据权利要求1所述的方法，其特征在于，所述基于各所述个体属性对应的第一浮动图像、第二浮动图像、第一形变场、第二形变场和三维个...
【技术特征摘要】
1.一种脑模板构建模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于目标群体的三维脑图像数据集合确定三维全局特征图像和多个批次训练数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述第一生成模型包括残差数据确定子模型和特征融合子模型；
4.根据权利要求1所述的方法，其特征在于，所述第二生成模型包括特征提取子模型、特定脑模板确定子模型和形变场确定子模型；
5.根据权利要求1所述的方法，其特征在于，所述基于各所述个体属性对应的第一浮动图像、第二浮动图...
【专利技术属性】
技术研发人员：张纪昌，李淑宇，车统统，白皓莹，杨泽坤，
申请(专利权)人：北京师范大学，
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。