[发明专利]基于静息态功能磁共振数据的性格识别装置及方法

说明书

本发明公开一种性格识别方法及系统，该方法包括：获取待识别者的静息态功能磁共振数据；对所述静息态功能磁共振数据进行预处理；对所述预处理后的磁共振数据利用组独立成分分析法确定大脑区域，并提取各个大脑区域的血氧水平依赖信号；对每一待识别者的所述各个大脑区域的血氧水平依赖信号进行皮尔森相关分析得到每个待识别者的脑网络；将所述每个待识别者的脑网络作为特征输入多因素识别模型，输出性格识别结果；所述多因素识别模型包括多因素相似矩阵；所述多因素为不同种类的性格标签。本发明提高了现有计算机程序中关于线性回归模型对五因素得分进行识别的准确性，进而提高了性格识别的准确性。

技术领域

本发明涉及性格分析人工智能技术领域，特别是涉及一种基于静息态功能磁共振数据的性格识别装置及方法。

背景技术

性格是指人比较稳定的心理活动的总和，它是一个人能否施展才能、开展社会交际，有效完成工作的基础。性格在一定程度上衡量了一个人在很长一段时间内对社会的影响和对周围事物的态度。性格的大部分特质与五因素密切相关，五因素包括：神经质性(情绪稳定性)、外向性、开放性、宜人性和尽责性，因此，目前衡量性格的方法主要利用五因素模型(FFM)来衡量。目前五因素模型(FFM)主要有利用脑功能网络来识别五因素的得分情况的L₁正则化的线性回归模型。

L₁正则化的线性回归模型的表达式为：

其中，X＝[x₁，x₂，...，x_n]^T∈R^n×d是一个数据矩阵，n是被试者的数量，d是每个人的脑功能网络(特征)的数量，权重向量W_k∈R^d×1用于识别第k个因素的模型参数，Y_k∈R^n×1是输出向量，它的元素代表被试的第k个因素的分数。

但现有技术中线性回归模型只根据脑功能网络本身来识别五因素的得分，没有考虑各因素之间的关系，导致识别的因素得分与实际的得分存在较大的误差。

发明内容

本发明的目的是提供一种基于静息态功能磁共振数据的性格识别装置及方法，以提高现有计算机程序中关于线性回归模型对五因素得分进行识别的准确性，进而提高性格识别的准确性。

为实现上述目的，本发明提供了一种基于静息态功能磁共振数据的性格识别方法，所述方法包括：

获取待识别者的静息态功能磁共振数据；

对所述静息态功能磁共振数据进行预处理；

对所述预处理后的磁共振数据利用组独立成分分析法确定大脑区域，并提取各个大脑区域的血氧水平依赖信号；

对每一待识别者的所述各个大脑区域的血氧水平依赖信号进行皮尔森相关分析得到每个待识别者的脑网络；

将所述每个待识别者的脑网络作为特征输入多因素识别模型，输出性格识别结果；所述多因素识别模型包括多因素相似矩阵；所述多因素为不同种类的性格标签。

可选的，所述多因素识别模型为：