一种基于膨胀卷积神经网络的MCI分类方法

摘要

本发明涉及一种基于膨胀卷积神经网络的MCI分类方法，包括以下步骤：对大脑功能磁共振成像进行预处理，用标准化模板将大脑分区并提取时间序列；采用低阶滑窗法和min‑max标准化方法构建动态大脑功能网络；统一相关系数矩阵大小，添加正确标签，按批次传入神经网络训练；使用普通卷积核对矩阵进行特征提取，再用带有膨胀系数的卷积核进一步提取特征；对卷积层输出进行非线性映射，将特征图扁平化为一维数组与全连接层神经元相连；利用Softmax函数实现网络分类识别并使用交叉熵代价函数计算损失值；基于CNN反向传播算法将误差层层回传，利用Adam优化器更新每一层权值，最终得到MCI和正常被试的分类结果。本发明在阿尔茨海默病的早期诊断方面具有重要的参考价值。