一种基于深度学习的fMRI全脑数据分类方法

摘要

本发明公开了一种基于深度学习的fMRI全脑数据分类方法，包括：(1)获取fMRI数据，进行预处理，获取对应的标签；(2)对fMRI数据进行聚合；(3)分别以正交的x、y、z轴方向对平均三维图像进行切片；(4)将三组二维图像分别转换为一帧多通道二维图像；(5)构建用于fMRI数据分类的混合多通道卷积神经网络模型；(6)对fMRI数据进行处理，将得到的标签作为输入数据进行训练，得到的参数用于fMRI数据分类的混合卷积神经网络模型；(7)对fMRI数据进行处理，将得到的三帧多通道二维图像输入到训练后的混合卷积神经网络模型中进行分类。本发明能有效地提高fMRI数据分类的准确率，同时减少fMRI数据分类模型训练和分类的计算量。