[发明专利]一种大脑功能网络的关键路径搜索方法

权利要求书

1.一种大脑功能网络的关键路径搜索方法，其特征在于包括以下步骤：

(1)对磁共振设备采集到的大脑图像进行读取和格式转换；再进行预处理，预处理包括时间矫正、头动矫正、配准、分割结构像、空间标准化和平滑；最后进行低频滤波，降低低频漂移及高频的生物噪音；

(2)选定一种标准化大脑分区模板与预处理后的核磁图像进行匹配，标准化大脑分区模板包括AAL分区模板、Brodmann分区模板，划分图像为p个大脑区域，每个脑区分别对应脑功能网络中的一个节点；

(3)计算磁共振图像中每个脑区所有体素的时间序列平均值，提取不同标准分区对应的时间序列，通过多元线性回归分析去除一些由头动及全局信号造成的伪差异；

(4)对一组实验对象的时间序列进行单样本T检验，用得到的组分析结果表示脑功能网络中所有节点的值，进而计算两两脑区间的相关系数，得到一个归一化的时间序列相关系数矩阵R^P×P，将相关系数矩阵R中元素r_ij，i，j＝1，2，...，p作为连接大脑功能网络节点i到节点j的权值向量初始值；

(5)定义路径W＝(W¹,W²,...,W^P)，其中W¹,W²,...,W^p代表p个节点的编号，W表示从节点W¹出发依次经过节点W²,...,W^p的路径；定义路径的优化度f(i)为路径内所有权值向量和的倒数；

(6)定义一个二维矩阵U来记录路径编号和路径优化度的关系，U＝{W(i),f(i),i＝1,...,N}，N表示所有路径的数目；按U中的优化度降序排列结果将所有的路径分成m个群体Y¹,Y²,...,Y^m，每个群体中包含n条路径，同时满足N＝m×n；

(7)定义调整因子Insert(i₁,i₂)为将W＝(Wⁱ),i＝1,2,...,p中的插入到位置之前；一个或多个调整因子的有序排列就是调整序列，记作

InsertList,InsertList＝(Insert₁,Insert₂,…,Insert_t) (1)

其中，Insert₁,Insert₂,…,Insert_t是调整因子；

(8)路径间的差异是路径之间的调整序，子群体内训练方程为：

l＝min{int[rand length(InsertList)],l_max} (2)

S＝{(Insert_i)|Insert_i∈InsertList,i＝1,2,…,l} (3)

W_q＝W_w+S (4)

其中，length(InsertList)表示调整序列中全部调整因子的个数，l_max表示允许选用的最大调整因子个数，S表示更新W_w的调整序，W_w为子群体内路径优化度最差的路径；

(9)当子群体内的路径优化度的差值小于阀值时，则跳到下一步，否则，子群体重复进行最差路径优化；对各个子群内的路径进行过局部优化之后，将所有路径重新混合在一起，进行路径去重操作；

(10)按照一定的概率对每个单独的路径进行局部随机更新操作，路径随机更新优化操作如下：对每条单独的路径W，随机选择一个节点Wⁱ，与节点Wⁱ左右连接的节点分别表示为W^i-1，Wⁱ⁺¹，然后选择除了Wⁱ、W^i-1、Wⁱ⁺¹以外的距离Wⁱ最近的节点W^j

其中，Reverse(Wⁱ,W^j)表示将节点Wⁱ和节点W^j之间的所有节点进行倒位逆序排列，所有节点包括节点Wⁱ和节点W^j；SUM(Wⁱ,W^j)表示节点Wⁱ和节点W^j之间路径的权值和；如果新的路径W'路径优化度f(i)优于原路径W的路径优化度，则用W'取代W，重新计算路径优化度；

(11)如果全部路径最大优化度和最差优化度的差值小于一个确定的阀值ε，则算法收敛，停止迭代，输出优化度最大的路径，即关键路径；否则，返回步骤(6)。