4D卷积神经网络的自闭症功能磁共振图像分类
静息态功能磁共振图像是随着时间变化的一系列三维图像.已有的3D卷积过程本质上是对三维图像数据或二维图像+时间维数据进行处理,无法有效地融合静息态功能磁共振图像的时间轴信息.为此,本文提出了新型的4D卷积神经网络识别模型.具体而言,通过对输入的fMRI使用四维卷积核执行四维卷积,在自闭症患者的功能磁共振图像中,从空间和时间上提取特征,从而捕获图像在时间序列上的变化信息.所开发的模型从输入图像中生成多个信息通道,最终的特征表示结合了所有通道的信息.实验结果表明,在保证模型泛化性能的前提下,该方法融合了功能像的全局信息,并且采集了功能像随时间变化的趋势信息,进而解决了用卷积神经网络处理三维图像随时间变化的分类问题.
深度学习;卷积神经网络;自闭症;4D卷积;功能磁共振成像;特征提取;特征融合;图像分类
16
TP391(计算技术、计算机技术)
江苏省自然科学基金项目BK20181339
2021-12-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
1021-1029