场景1 多模态影像特征衔接机器学习分析

手动使用开源软件分析影像特征需要多软件更换，指标输出标准各异，手动整理与分析易错漏。产品可结合十余种序列的影像特征分析后，对接选择机器学习软件。

机器学习编程较复杂，尤其较高阶的分析方法，掌握分析操作耗时长。软件提供全流程一键式操作，设置参数与分组即可运行分析。

无需使用多种独立工具、学习复杂操作，从特征提取到分类、预测、聚类、深度学习多类型机器学习分析软件可供选择，支持分析结果报告一键产出。

1

1.1 特征提取软件

可选上传特征文件，或衔接影像分析结果进行提取；支持自定义选择指标类型、脑区图谱，一键提取多模态数据中的特征，输出结构化特征结果，可直接用于后续分类、回归等分析。

1.2 支持向量软件

一键完成支持向量机分类分析，内置多种核函数，自动进行交叉验证与参数寻优，输出分类准确率、敏感度、特异度、ROC曲线等结果。

1.3 支持向量回归软件

一键完成支持向量回归预测。支持参数模板与分组模板。用户设置目标变量，自动完成超参数寻优，输出预测值与真实值的拟合散点图、拟合优度等。

2

2.1 K-Means聚类软件

一键完成K均值聚类分析。用户可设置归一化范围、聚类数目、随机种子，可导入被试信息。输出聚类中心、样本聚类标签及各聚类样本分布图等。

3

3.1 一维卷积神经网络分析软件

一键完成一维卷积神经网络建模，自动从功能连接序列或动态指标中学习时序特征，输出训练集与验证集的损失曲线、准确率曲线及分类结果。

3.2 长短期记忆网络分析软件

一键完成长短期记忆网络建模，适用于疾病进展预测、治疗反应评估等时间序列预测任务，输出损失曲线与预测结果。