《一种多模态大脑影像特征学习方法》

技术简介：

本发明公开了一种多模态大脑影像特征学习方法,其步骤包括：对多模态大脑影像数据分别进行预处理,得到特征矩阵；计算每种模态数据特征间的相关系数,得到特征相关矩阵,进行线性融合得到特征相关正则化；对特征矩阵进行加权融合,计算特征相邻节点得到邻接矩阵,构建特征图拉普拉斯矩阵,得到特征结构正则化；将两种正则化嵌入到引入低秩约束的多任务模型中,进行特征学习,筛选具有良好表征特征向量；随后进行线性融合,使用支持向量机对训练集进行训练,利用测试集检验模型分类性能。本发明学习多模态大脑影像特征间的潜在关系和特征局部空间几何结构,筛选关联特征,提高特征学习解释性的同时提高分类性能。

研发人员：焦竹青;陈思炜;石海峰;张宇涛;奚正涛