神經(jīng)影像標(biāo)記物形態(tài)學(xué)融合分類指數(shù)的構(gòu)建方法及應(yīng)用

基本信息

申請(qǐng)?zhí)?/td> CN202110494544.8 申請(qǐng)日 -
公開（公告）號(hào) CN113222001B 公開（公告）日 2022-06-28
申請(qǐng)公布號(hào) CN113222001B 申請(qǐng)公布日 2022-06-28
分類號(hào) G06V10/764（2022.01）I;G06V10/80（2022.01）I;G06K9/62（2022.01）I;G06N20/00（2019.01）I;G16H20/70（2018.01）I;G16H30/20（2018.01）I;G16H50/20（2018.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 秦文;于春水;謝穎瀅;張士杰;丁皓 申請(qǐng)（專利權(quán)）人 天津醫(yī)科大學(xué)
代理機(jī)構(gòu) 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 -
地址 300070天津市和平區(qū)氣象臺(tái)路22號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明為神經(jīng)影像標(biāo)記物形態(tài)學(xué)融合分類指數(shù)的構(gòu)建方法及應(yīng)用，該構(gòu)建方法包括以下內(nèi)容：獲取M個(gè)中心的結(jié)構(gòu)MRI數(shù)據(jù)，提取腦結(jié)構(gòu)像特征數(shù)據(jù)；以各中心數(shù)據(jù)進(jìn)行獨(dú)自訓(xùn)練，分別建立各中心的分類模型，獲得M個(gè)中心的分類模型；對(duì)于任意一個(gè)樣本，在所有中心的分類模型，計(jì)算出該樣本在每個(gè)模型每個(gè)特征的分類權(quán)重值，即SHAP矩陣；然后以每個(gè)模型訓(xùn)練時(shí)使用的樣本量為權(quán)重，按照公式（1）計(jì)算獲得單一的形態(tài)學(xué)融合分類指數(shù)MICI值：其中，Si代表模型i的樣本量，B代表特征總數(shù)，ai代表了特征a在模型i中的SHAP值，i＝1～M。MICI值可以很好的實(shí)現(xiàn)對(duì)精神疾病患者及正常人之間的鑒別，具有良好的可解釋性、進(jìn)化性和可擴(kuò)展性。