(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210708007.3 (22)申请日 2022.06.22 (71)申请人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 雷海军　张瑜宸　雷柏英　黄忠唯　 陈梓豪　刘伟鑫　丘新云　赵梦禄　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 朱阳波 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06T 7/00(2017.01) (54)发明名称 一种基于磁共振成像数据的图像分类方法 (57)摘要 本发明公开了一种基于磁共振成像数据的 图像分类方法， 所述方法包括： 获取大脑神经影 像的三维数据， 并对所述三维数据进行预处理， 得到磁共振成像数据； 将所述磁共振成像数据输 入至训练好的图像 分类模型， 通过所述图像分类 模型输出图像类别； 其中， 所述图像分类模型包 含提取的大脑神经影像的空间维度特征和通道 维度特征。 本发 明实施例通过对三维磁共振成像 数据的深度学习， 可以得到磁共振成像数据的高 级特征， 通过图像 分类模型提取磁共振成像数据 的特征通过引入注意力机制和自监督学习， 得到 更具有判别力的空间关系的高级特征， 这样可以 得到更精准的图像 类别。 权利要求书2页 说明书8页 附图2页 CN 115187807 A 2022.10.14 CN 115187807 A 1.一种基于磁共 振成像数据的图像分类方法， 其特 征在于， 所述方法包括： 获取大脑神经影 像的三维数据， 并对所述 三维数据进行 预处理， 得到磁共 振成像数据； 将所述磁共振成像数据输入至训练好的图像分类模型， 通过所述图像分类模型输出图 像类别； 其中， 所述图像分类模型包含提取 的大脑神经影像的空间维度特征和通道维度特 征。 2.根据权利要求1所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述图像 分类模型包括若干阶段模块、 三维反卷积块、 平均池化层和全连接层， 每个所述阶段模块包 括两个三维残差模块和一个三维注意力洗牌模块。 3.根据权利要求2所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述三维 注意力洗牌模块包括全局平均池化层、 门控机制、 激活函数、 组归一 化层、 拼接层。 4.根据权利要求3所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述将所 述磁共振成像数据输入至训练好的图像分类模 型， 通过所述图像分类模型输出图像类别包 括： 将所述磁共 振成像数据输入若干阶段模块， 得到第一特 征； 将所述第一特 征输入至平均池化层， 得到第二特 征； 将所述所述第二特 征输入至全连接层， 得到图像 类别。 5.根据权利要求4所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述将所 述磁共振成像数据输入至训练好的图像分类模 型， 通过所述图像分类模型输出图像类别还 包括： 将所述第二特 征输入三维反卷积块， 得到预测的体素信息 。 6.根据权利要求4所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述将所 述磁共振成像数据输入若干阶段模块， 得到第一特 征包括： 将所述磁共 振成像数据依次输入若干阶段模块； 针对每个阶段模块， 通过每个阶段模块中的两个三维残差模块输出初始特征， 将所述 初始特征输入至三维注意力洗牌模块， 得到阶段模块输出 特征； 将最后一个阶段模块输出的阶段模块输出 特征作为第一特 征。 7.根据权利要求6所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述将所 述初始特 征输入至三维注意力洗牌模块， 得到阶段模块输出 特征包括： 将所述初始特 征分成若干组， 得到若干 子特征； 针对每个子特征， 将每个所述子特征分成两份， 得到第 一子特征和第 二子特征， 将所述 第一子特征依 次输入至全局平均池化层、 门控机制、 激活函数， 得到第三子特征， 将所述第 一子特征依次输入至组归一化层、 门控机制、 激活函数， 得到第四子特征， 将所述第三子特 征和所述第四子特征输入至拼接层， 得到与每个所述子特征对应的合并子特征； 其中， 所述 第三子特 征包含通道特 征； 所述第四子特 征包含空间特 征； 将所有子特 征对应的所有合并子特 征进行合并， 得到阶段模块输出 特征。 8.根据权利要求1所述的基于磁共振成像数据的图像分类方法， 其特征在于， 所述图像 分类模型的训练方法包括： 获取训练数据和标签； 将所述训练数据输入至初始图像分类模型， 得到模型输出 数据；权　利　要　求　书 1/2 页 2 CN 115187807 A 2根据所述标签和所述模型输出数据， 得到损失函数； 其中， 所述损失函数包括自监督学 习损失函数和分类损失函数； 基于所述损 失函数， 对所述初始图像分类模型进行训练， 以得到训练好的图像分类模 型。 9.一种智能终端， 其特征在于， 包括有存储器， 以及一个或者一个以上的程序， 其中一 个或者一个以上程序存储于存储器中， 且经配置以由一个或者一个以上处理器执行所述一 个或者一个以上程序包 含用于执 行如权利要求1 ‑8中任意一项所述的方法。 10.一种非临时性计算机可读存储介质， 其特征在于， 当所述存储介质中的指令由电子 设备的处 理器执行时， 使得电子设备能够执 行如权利要求1 ‑8中任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115187807 A 3