摘要
本发明提供了一种基于多模态模糊特征融合的脑龄预测方法,属于医学影像与计算机科学的交叉领域。其技术方案为:包括以下步骤:S1:采集受试者的核磁共振成像组成原始样本集;S2:对原始样本集进行预处理;S3:利用深度卷积神经网络提取三个不同模态的特征,并将其径向拼接;S4:设计基于Choquet积分的模糊融合模块;S5:设计协同卷积融合模块;S6:基于线性回归得到预测年龄,构成一个完整的脑龄预测神经网络。本发明的有益效果为:模糊融合提取到的多模态特征,克服了单一模态的局限性,多模态融合过程中的不确定性,提高了脑龄预测模型的预测能力,从而更有效地应对复杂的脑龄预测任务。
技术关键词
核磁共振成像数据
模糊特征
多模态
深度卷积神经网络
索引
矩阵乘法运算
年龄
积分特征
特征值
融合特征
参数
样本
核磁共振技术
线性
图像
输出特征
工具箱
模态特征
系统为您推荐了相关专利信息
温度预测方法
冷链物流监控
跨模态
多模态特征
多模态深度
全局定位方法
激光雷达
描述符
卷积神经网络提取
地图
数据生成模型
滚动轴承
信号生成单元
转换单元
时域卷积网络
多尺度特征融合
跨模态
编码器模块
多层感知机
图像分割模型
水泥罐车
混凝土
搅拌运输车
加权特征
全局平均池化