杨 勃, 钟志锴

 (湖南理工学院 信息科学与工程学院,湖南 岳阳414006)

摘 要:针对现有统计分析方法在多中心统计分类任务上缺乏稳定性的问题,提出一种引入稳定学习的多中心脑磁共振影像的统计分类方法.该方法使用多层3D卷积神经网络作为骨干结构,并引入稳定学习旁路结构调节卷积网络习得特征的稳定性.在稳定学习旁路中,首先使用随机傅里叶变换获取卷积网络特征的多路随机序列,然后通过学习和优化批次样本采样权重以获取卷积网络特征之间的独立性,从而改善跨中心分类泛化性.最后,在公开数据库FCP中的3中心脑影像数据集上进行跨中心性别分类实验.实验结果表明,与基准卷积网络相比,引入稳定学习的卷积网络具有更高的跨中心分类正确率,有效提高了跨中心泛化性和多中心统计分类的稳定性.

关键词:多中心脑磁共振影像分析;卷积神经网络;稳定学习;跨中心泛化