《表1 三维卷积神经网络结构》
基于三维卷积方法,本文构建了一种三维卷积神经网络模型(3DCNN)来识别大脑视觉区f MRI信号,该模型的框架如图2所示。该模型主要包括四个部分:输入层、卷积层、全连接层以及输出层。输入层将包括大脑整个视觉区的三维f MRI信号输入到卷积层;卷积层由多层三维卷积网络组成,通过多次三维卷积操作提取三维f MRI信号的空间特征;全连接层对卷积层提取的特征进行融合,最后在输出层对f MRI信号的类别进行预测。该模型的详细结构展示在表1中,包括4个三维卷积层和3个全连接层。由于视觉区的三维f MRI信号只有18层,这限制了卷积层的深度。因此,在3DCNN模型中采用4个三维卷积结构,来提取f MRI信号的空间特征,同时在三维卷积操作中使用5×5×3和3×3×2的卷积核。在获得f MRI信号的特征后,采用3个全连接层来融合特征并进行目标类别的预测。除了最后的输出层采用Sigmoid激活函数,其余层都使用修正线性单元(Rectified Linear Unit,ReLU)作为激活函数,这是因为ReLU与Sigmoid函数相比可以加快模型收敛。
图表编号 | XD00114582000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 罗杰、李阳 |
绘制单位 | 北京航空航天大学自动化科学与电气工程学院、北京航空航天大学自动化科学与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |