摘要
本发明公开了一种适用于不等时间点长度脑影像的脑龄预测方法,获取历史脑影像数据,并进行预处理,得到预处理后的脑影像数据;对预处理后的脑影像数据进行脑区划分,并提取脑区的时间序列特征;通过提取的时间序列特征拟合高斯过程回归模型,并预测预设观察时间点范围内的脑区特征;通过神经网络提取预测的脑区特征的高阶表示,得到高阶特征;应用注意力机制处理高阶特征得到注意力特征,通过注意力特征与高阶特征进行脑龄预测。通过原始fMRI数据拟合高斯过程回归模型来预测在预设观察时间点长度上的特征,最大化地利用每个fMRI数据的动态信息,减轻噪音对fMRI数据的影响,取得了较好的预测精度。
技术关键词
时间序列特征
混合卷积神经网络
注意力机制
静息态功能磁共振成像
影像
图谱
通道
数据
拼接块
分支
协方差矩阵
感兴趣
参数
批量
动态
精度
信号
系统为您推荐了相关专利信息
宫颈细胞病理
风险预测模型
宫颈癌发病风险
融合特征
文本
精修方法
冷冻电镜
密度
大语言模型
更新网络参数
桌面物品
电子围栏
通道注意力机制
权重分配机制
多尺度特征融合
盐分
叶面积指数
反射率数据
冠层分析仪
多源遥感数据
空间分布预测方法
公共安全预警方法
网格
注意力机制
深度神经网络