[发明专利]一种基于超图聚类的精神疾病生物型发掘方法有效
申请号: | 202110411971.5 | 申请日: | 2021-04-16 |
公开(公告)号: | CN113160974B | 公开(公告)日: | 2022-07-19 |
发明(设计)人: | 杜宇慧;牛菊 | 申请(专利权)人: | 山西大学 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G06K9/62;G06V10/44;G06V10/762;G06V10/74 |
代理公司: | 太原晋科知识产权代理事务所(特殊普通合伙) 14110 | 代理人: | 王军 |
地址: | 030006 山*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 超图 精神疾病 生物 发掘 方法 | ||
1.一种基于超图聚类的精神疾病生物型发掘方法,其特征在于,包括:
步骤S1,基于预处理后的受试者脑影像数据提取的脑影像特征,采样超边,构建超图结构;
步骤S2,根据超图结构表达的多个受试者之间的高阶关系,度量两两受试者之间的相似度矩阵;
其中,所述超图结构表达的多个受试者之间的高阶关系包括:
基于超图结构,所有受试者对每一条超边的拟合误差;
由拟合误差转化为表达受试者属于超边概率的关联矩阵;计算关联矩阵H的公式为:
其中,φe表示超边所对应的子空间拟合的模型,r(v,φe)是代表受试者对应的顶点v对超边e上的φe的拟合残差;σ为参数,该参数在步骤S1-S4的过程中通过迭代自动调整,最终选择使目标函数收敛的σ,所述目标函数为:
其中,SSE(c,σ)是第c类别受试者与该类别所在子空间的残差平方和;C为类别个数;
步骤S3,对得到的相似度矩阵使用聚类算法进行聚类,得到受试者的类别标签;
步骤S4,根据得到的受试者的类别标签,重新进行步骤S1-S3,直到收敛;
步骤S5,根据最终的受试者的类别标签,确定精神疾病的生物型。
2.根据权利要求1所述的基于超图聚类的精神疾病生物型发掘方法,其特征在于,从预处理后的受试者脑影像数据中提取脑影像特征的步骤包括:
对脑影像数据预处理,预处理的方式主要包括:层间校正、头动校正、空间标准化、空间平滑;
使用预处理后的受试者脑影像数据计算脑影像测度;
对受试者脑影像测度使用特征提取方法,得到提取后的脑影像特征。
3.根据权利要求1所述的基于超图聚类的精神疾病生物型发掘方法,其特征在于,采样超边的步骤包括:
基于提取的脑影像特征,建立k近邻稀疏图,并为每一条边赋予边概率;
基于k近邻稀疏图,对于每一条边,根据边对应的两顶点的类别标签和边概率的约束条件更新k近邻稀疏图;
由更新的k近邻稀疏图中提取强连通子图,并为每一个强连通子图赋予权重;
依权重随机采样一个子图,并从子图中随机采样D个顶点;其中,D为一条超边包含的顶点的个数;
继续依权重随机采样一个子图和从其中随机采样下一条超边,直到所有的超边都采样完成。
4.根据权利要求1所述的基于超图聚类的精神疾病生物型发掘方法,其特征在于,度量两两受试者之间的相似度矩阵的步骤包括:利用受试者属于超边概率的关联矩阵,计算相似度矩阵。
5.根据权利要求1所述的基于超图聚类的精神疾病生物型发掘方法,其特征在于,聚类算法的类型包括:归一化割、K均值和社区检测聚类方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山西大学,未经山西大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110411971.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:正压免针接头
- 下一篇:一种用于电调基站天线的传动装置