一种基于卷积神经网络的静态脑网络特征提取方法和系统

摘要

本发明公开了一种基于卷积神经网络的静态脑网络特征提取方法，包括：通过计算每个脑区之间的皮尔逊系数来构成静态脑网络；采用参数大小为[32,32,64,32]的卷积神经网络对静态脑网络进行处理以提取相应的脑区特征；在卷积神经网络后连接两层卷积层，两个卷积层的卷积核的大小分别是32和16，步长为116；将经过卷积层处理之后维度大小为1*1*32的脑区特征送入两层大小分别为64和32的全连接层继续提取特征，再采用SoftMax逻辑回归函数来进行脑疾病的诊断和分类。本发明能够学习出更具有判别力和解释性的特征，可以明显提高脑疾病分类的性能，对脑疾病诊断具有更好的分类性能。