一种基于人工智能模型的大脑健康评估方法
摘要文本
本发明提出一种基于人工智能模型的大脑健康评估方法，包括，获取健康大脑结构的磁共振成像数据集；通过使用深度学习中的卷积网络构建基础脑龄预测模型，使用磁共振成像数据集对基础脑龄预测模型进行预测，得到脑龄预测模型；获取不同类型的脑组织数据集，使用脑组织数据集对脑龄预测模型进行训练，得到脑龄预测综合模型；通过迁移学习技术，将脑龄预测综合模型迁移至脑疾病分类模型中；通过脑疾病分类模型进行脑疾病分类。通过本发明提出的方法，实现了退行性疾病风险评估。。 （更多数据，详见专利查询网）
申请人信息
- 申请人:中国人民解放军军事科学院军事医学研究院
- 申请人地址:100850 北京市海淀区太平路27号院
- 发明人: 中国人民解放军军事科学院军事医学研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于人工智能模型的大脑健康评估方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311685621.3 |
| 申请日 | 2023/12/11 |
| 公告号 | CN117393167B |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G16H50/30 |
| 权利人 | 中国人民解放军军事科学院军事医学研究院 |
| 发明人 | 李椋; 王路斌; 高凯; 王刚; 王以政; 刘婷 |
| 地址 | 北京市海淀区太平路27号 |
专利主权项内容
1.一种基于人工智能模型的大脑健康评估方法，其特征在于，包括以下步骤：获取健康大脑结构的磁共振成像数据集，所述磁共振成像数据集包括被试的年龄、性别信息，以及T1加权成像；通过使用深度学习中的卷积网络构建基础脑龄预测模型，使用所述磁共振成像数据集对所述基础脑龄预测模型进行预测，得到脑龄预测模型；其中，所述通过使用深度学习中的卷积网络构建基础脑龄预测模型，包括：采用卷积神经网络作为基础脑龄预测模型的框架，并引了短时傅里叶变换层来替代部分传统的卷积层；其中，短时傅里叶变换是将信号分为多个短时间窗口，并在每个窗口内执行傅里叶变换，从而获得信号在不同时间段内的频域表示；获取不同类型的脑组织数据集，使用所述脑组织数据集对所述脑龄预测模型进行训练，得到脑龄预测综合模型；所述脑组织数据集包括灰质、白质和脑脊液数据；其中，所述获取不同类型的脑组织数据集，使用所述脑组织数据集对所述脑龄预测模型进行训练，得到脑龄预测综合模型，包括：采用了Stacking方法，通过整合灰质、白质以及脑脊液的数据集，构建基础脑龄预测综合模型；具体包括：使用Stacking第一层基础模型，基于使用VBM分割得到的灰质、白质、脑脊液数据分别对所述基础脑龄预测综合模型训练出三个模型，使用Stacking的第二层训练通过选择简单的线性回归模型，最终得到集成三个基础模型后的脑龄预测值；通过迁移学习技术，将所述脑龄预测综合模型迁移至脑疾病分类模型中；通过所述脑疾病分类模型进行脑疾病分类。 来自：马 克 团 队