(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210489108.6 (22)申请日 2022.05.07 (71)申请人 中南大学 地址 410000 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 刘锦　毛浚彬　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 专利代理师 汪金连 (51)Int.Cl. G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06T 7/00(2017.01) G06F 16/36(2019.01)G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06N 3/08(2006.01) (54)发明名称 功能磁共振影像分类方法、 系统、 设备及介 质 (57)摘要 本公开实施例中提供了一种功能磁共振影 像分类方法、 系统、 设备及介质， 属于图像识别技 术领域， 具体包括： 生成大脑功能链接特征； 通过 特征递归方法消除所述大脑功能链接特征中的 冗余特征， 得到目标功能链接特征； 使用所述目 标功能链接特征和人口学信息对群体知识嵌入 进行辅助建模； 利用信息关系注 意机制学习群体 知识嵌入中实体与实体的知识表达， 并通过图自 适应卷积参考群体知识嵌入中的信息关系， 学习 局部群体信息进行功能磁共振影像 分类； 采用两 个交叉熵损失训练模型， 并采用基于自适应学习 率的Adam优化器和标签平滑公式对模型进行优 化， 得到分类模型。 通过本公开的方案， 通过有效 学习挖掘局部社区群体的信息， 提高了针对个体 的分类效果。 权利要求书2页 说明书10页 附图3页 CN 114842258 A 2022.08.02 CN 114842258 A 1.一种功能磁共 振影像分类方法， 其特 征在于， 包括： 步骤1， 根据功能磁共振影像提取反应血氧信号变化的时间序列特征， 并通过相关系数 法生成大脑 功能链接特 征； 步骤2， 通过特征递归方法消除所述大脑功能链接特征中的冗余特征， 得到目标功能链 接特征； 步骤3， 使用所述目标功能链接特 征和人口学信息对群 体知识嵌入进行辅助建模； 步骤4， 利用信 息关系注意机制学习群体知识嵌入中实体与实体的知识表达， 并通过图 自适应卷积参考群体知识嵌入中的信息关系， 学习局部群体信息进行功能磁共振影像分 类； 步骤5， 采用两个交叉熵损失训练模型， 并采用基于自适应学习率的Adam优化器和标签 平滑公式对 模型进行优化， 得到分类模型。 2.根据权利要求1所述的方法， 其特 征在于,所述 步骤1具体包括： 根据功能磁共振影像提取反应血氧信号的时间序列数据， 根据不同脑区的时间序列 数 据使用皮尔逊相关系数生成大脑功能链接矩阵， 抽取大脑功能链接矩阵的上三角特征作为 大脑功能链接特 征。 3.根据权利要求1所述的方法， 其特征在于,所述特征递归方法为基于岭回归的递归特 征消除方法。 4.根据权利要求1所述的方法 ， 其特征在于 ,所述群体知识嵌入的结构为 其中， Dis为个体特征向量的距离， Sim为人口学信息组成 的相似性度度量， Dis(Si,Sj)为个体Si与Sj之间的距离， Sim(Si,Sj)为个体Si与Sj之间离散表 型测量的相似度， W 为知识嵌入， W(i,j)为实体i,j的信息关系。 5.根据权利要求1所述的方法， 其特 征在于,所述 步骤4具体包括： 通过信息关系注意机制学习群体知识嵌入中实体与实体的知识表达， 再通过图自适应 卷积学习局部群 体特征， 个体间的信息关系表示如下公式： 其中αij为归一化后的信息关系注意权重， hi,hj为个体的特征向量， Ni为与个体i有 关联 的群体， T表 示转置,||表示连接运算， 群体知识嵌入生 成之后， 采用图卷积神经网络学习局 部群体信息， 具体公式表示如下： 其中 为添加自循环的知识图谱， H(l)为第l层图卷积层结果， 为知识图谱的度矩阵， W(l)为第l层的可 学习权重参数， σ 为Relu非线性激活函数。 6.根据权利要求1所述的方法， 其特 征在于,所述 步骤5具体包括： 通过一个交叉熵损 失对多层的特征进行优化， 优化后的特征输入到多层融合模块， 生 成个体的共享 性特征和特异性特 征；权　利　要　求　书 1/2 页 2 CN 114842258 A 2根据所述共享性特征和所述特异性特征， 利用另一个交叉熵损失对个体真实标签采取 标签平滑操作， 得到所述分类模型。 7.一种功能磁共 振影像分类系统， 其特 征在于， 包括： 生成模块， 用于根据功能磁共振影像提取反应血氧信号变化的时间序列特征， 并通过 相关系数法生成大脑 功能链接特 征； 消除模块， 用于通过特征递归方法消除所述大脑功能链接特征中的冗余特征， 得到目 标功能链接特 征； 建模模块， 用于使用所述目标功能链接特征和人口学信 息对群体知识嵌入进行辅助建 模； 学习模块， 用于利用信息关系注意机制学习群体知识嵌入中实体与实体的知识表达， 并通过图自适应卷积参考群体知识嵌入中的信息关系， 学习局部群体信息进 行功能磁共振 影像分类； 训练模块， 采用两个交叉熵损失训练模型， 并采用基于自适应学习率的Adam优化器和 标签平滑公式对 模型进行优化， 得到分类模型。 8.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行前述权利要求1 ‑6中任一项所述的功能磁共 振影像分类方法。 9.一种非暂态计算机可读存储介质， 该非暂态计算机可读存储介质存储计算机指令， 该计算机指令用于使 该计算机执行前述权利要求 1‑6中任一项 所述的功能磁共振影像分类 方法。权　利　要　求　书 2/2 页 3 CN 114842258 A 3