成果介紹
本發(fā)明提供了一種腦疾病分類模型的構(gòu)建方法、裝置及智能終端,該方法包括:從多個腦疾病數(shù)據(jù)集獲取Rs?fMRI圖像數(shù)據(jù);基于多個預設(shè)的腦模板對Rs?fMRI圖像數(shù)據(jù)進行預處理,得到平均時間序列;根據(jù)平均時間序列構(gòu)建與各腦疾病數(shù)據(jù)集和腦模板對應的功能連接網(wǎng)絡(luò),并從功能連接網(wǎng)絡(luò)提取特征,得到特征矩陣;根據(jù)預設(shè)的稀疏學習模型、正則化項以及特征矩陣,構(gòu)建與各腦疾病數(shù)據(jù)集對應的多個初始化腦疾病分類模型;對多個初始化腦疾病分類模型進行集成學習,確定各腦疾病數(shù)據(jù)集對應的目標腦疾病分類模型。本發(fā)明可以使構(gòu)建的腦功能連接網(wǎng)絡(luò)更具生理意義,可以有效緩解數(shù)據(jù)中存在的異質(zhì)性大的問題,提高腦疾病分類模型的普適性。
成果應用案例介紹
疾病>其它疾病>腦疾病; 計算控制>模型>分類模型