一种免阈值设定的静息态功能脑网络构建方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108921286A(43)申请公布日2018.11.30(21)申请号201810694618.0(22)申请日2018.06.29(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区(72)发明人胡冀颜成钢彭冬亮吴建锋(74)专利代理机构浙江永鼎律师事务所33233代理人雷仕荣(51)Int.Cl.G06N3/04(2006.01)G16H50/20(2018.01)权利要求书2页说明书5页附图1页(54)发明名称一种免阈值设定的静息态功能脑网络构建方法(57)摘要本发明公开了一种免阈值设定的静息态功能脑网络构建方法，包括以下步骤：步骤S1：获取fMRI数据并提取各个脑区的BOLD信号矩阵；步骤S2：对BOLD信号进行信号处理并计算各个脑区间的皮尔森相关系数以此构建实数脑网络矩阵；步骤S3：将步骤S2中构建的实数脑网络矩阵输入神经网络并输出二值脑网络矩阵；步骤S4：采用遗传优化算法优化步骤S3输出的二值脑网络矩阵；步骤S5：如果步骤S4输出的二值脑网络矩阵符合优化条件，则获取最优二值脑网络矩阵；否则，重新配置神经网络参数，并重复步骤S2-S5；步骤S6：根据步骤S5中最优二值脑网络矩阵产生免阈值静息态脑功能网络。CN108921286ACN108921286A权利要求书1/2页1.一种免阈值设定的静息态功能脑网络构建方法，其特征在于，包括以下步骤：步骤S1：获取fMRI数据并提取各个脑区的BOLD信号矩阵；步骤S2：对BOLD信号进行信号处理并计算各个脑区间的皮尔森相关系数以此构建实数脑网络矩阵；步骤S3：将步骤S2中构建的实数脑网络矩阵输入神经网络并输出二值脑网络矩阵；步骤S4：采用遗传优化算法优化步骤S3输出的二值脑网络矩阵；步骤S5：如果步骤S4输出的二值脑网络矩阵符合优化条件，则获取最优二值脑网络矩阵；否则，重新配置神经网络参数，并重复步骤S2-S5；步骤S6：根据步骤S5中最优二值脑网络矩阵产生免阈值静息态脑功能网络；其中，步骤S3中，所构造神经网络结构如下：隐藏层计算公式为：其中，xi为输入层节点，{i∈N+,[1,19]}，即步骤S2中获取的实数脑网络矩阵；Hj为隐藏层节点，{j∈N+,[1,20]}，wij为输入层节点权值；aj为输入层偏置；f(x)为Sigmod函数；输出层计算公式为：YK为输出节点，{k∈N+,[0,1]}；wjK为隐藏层节点权值；bk为隐藏层偏置；在步骤S4中，遗传优化进一步包括以下步骤：(1)个体编码：[wij|aj|wjk|bk]；其中，wij:为输入层节点权值，{wij∈R+,[0,1]}；aj：为输入层节点的偏置，{aj∈R+,[0,1]}；wjk：为隐藏层节点权值，{wjk∈R+,[0,1]}；bk：为隐藏层节点的偏置，{bk∈R+,[0,1]}；(2)设定种群数量10000个，并随机产生；(3)利用静息态功能脑网络的小世界特性，设置适应度函数作为优化条件，具体步骤如下：a)满足稀疏性条件下，选择最优小世界网络结构：b)统计皮尔逊相关系数矩阵经过神经网络计算后，Y＝1的数量K，保证矩阵稀疏性；也即如下公式：maxSs.t.K≤0.1N2，N＝90；其中，小世界网络结构表达式；2CN108921286A权利要求书2/2页Cg，经过遗传算法求解后得到的静息态功能脑网络聚类系数；Lg，经过遗传算法求解后得到的静息态功能脑网络特征路径长度；随机网络聚类系数；随机网络特征路径长度。3CN108921286A说明书1/5页一种免阈值设定的静息态功能脑网络构建方法技术领域[0001]本发明涉及静息态下功能脑网络构建技术领域，尤其涉及一种免阈值设定的静息态功能脑网络构建方法。背景技术[0002]大量来自功能磁共振成像(fMRI)的研究表明人处于静息状态(即大脑无特定任务状态)下，大脑区域间存在着低频自发神经元活动的同步性，这种同步活动具有重要的生理意义，同步的脑区构成了功能脑网络。基于图论的复杂网络分析技术使得关于大脑同步活动网络的拓扑结构研究成为可能。[0003]目前三种传统的网络相似度比较方法，即基于退火算法的属性比较法，皮尔逊比较法和Jaccard比较法。基于退火算法的属性比较法是通过对两组网络的属性的统计检验然后利用模拟退火算法对其进行分析。Jaccard的比较方法主要是通过衡量网络重合度来比较两个网络的相似性，重合度越高相似度越强。皮尔逊相关的比较方法是将向量相关的比较方法扩展到矩阵相关，比较两个网络矩阵的相关性，若网络矩阵的相关性好，则网络的相似度高。[0004]相关系数是由统计学家卡尔·皮尔逊设计的一种统计指标，用来反映变量之间相关关系密切程度。相关系数是通过积差方法计算，在两变量与