[发明专利]一种大脑功能网络的超图表示方法

权利要求书

1.一种大脑功能网络的超图表示方法，其特征在于：步骤包括

步骤1：获取大脑的静息态功能磁共振成像数据；

步骤2：将静息态功能磁共振成像数据根据标准分区模板配准到不同脑区，得到所有脑区的时间序列；

步骤3：采用滑动窗口将整个时间序列划分为多个重叠的子序列，并对子序列进行中心化和标准化后获得时间序列矩阵；

步骤4：根据时间序列矩阵来构建动态大脑功能网络，并将大脑功能网络转化为优化模型；

步骤5：采用最邻近结点算法构建动态大脑功能网络的超图G；

步骤6：通过卷积操作对超图G进行动态修改，提取超图G的特征，得到新的动态超图G^*；

步骤7：提取动态超图G^*的拉普拉斯矩阵L^dh；

步骤8：构建动态超图的拉普拉斯矩阵L^dh的流形正则项，将流形正则项β和L₁范数正则项λ同时引入到步骤4所述的优化模型中，得到大脑功能网络的超图表示形式。

2.根据权利要求1所述的大脑功能网络的超图表示方法，其特征在于：所述步骤1中还包括对获取的静息态功能磁共振成像数据进行预处理的步骤；预处理步骤包括时间层校正、头动校正、空间标准化、空间平滑、去线性漂移及低频滤波。

3.根据权利要求1所述的大脑功能网络的超图表示方法，其特征在于：所述步骤3中，采用滑动窗口将静息态功能磁共振成像数据的整个时间序列划分为若干个子序列；假设静息态功能磁共振成像数据的总时间点个数为M，则生成的子序列数为

D＝[(M-L)/s]+1 (1)

公式(1)中，L为滑动窗口的长度，s为步长；

时间序列组成的矩阵为：

X＝[x₁,x₂,...,x_p]∈R^M×P (2)

公式(2)中，P为脑区个数，x_p为第P个脑区的时间序列矩阵；

定义第i个脑区中第d个窗口的时间序列为对进行中心化和Min-max标准化，其中，对进行中心化表示为：

对进行Min-max标准化表示为：

公式(3)和(4)中，表示中心化后的第i个脑区中第d个窗口的时间序列，d＝1,...,D，μ^d表示第d个窗口的时间序列平均值，表示Min-max标准化后的第i个脑区中第d个窗口的时间序列，min和max分别表示中心化后第d个窗口的时间序列的最小值和最大值；

把串联，得到第d个窗口的时间序列矩阵：

其中，表示Min-max标准化后的第1个脑区中第d个窗口的时间序列，表示Min-max标准化后第P个脑区即最后一个脑区中第d个窗口的时间序列。

4.根据权利要求3所述的大脑功能网络的超图表示方法，其特征在于：所述步骤4中，使用脑区对之间的皮尔逊相关系数PCC构造大脑功能网络；

将脑区视为节点，PCC视为连接它们的边；使用以下方法计算PCC：

p_ij＝corr{x(i),x(j)} (6)

公式(6)中：x(i)和x(j)分别表示第i和第j个脑区的时间序列，p_ij为x(i)与x(j)的两两皮尔逊相关系数，corr为皮尔逊相关系数函数；

计算每个时间窗口中时间序列之间的皮尔逊相关系数，并构建大脑功能网络DBFN；

第d个窗口大脑功能网络的相关系数矩阵表示为Z^(d)≈(X^(d))^TX^(d)，转换为优化形式为：

公式(7)中，X^(d)表示第d个窗口的时间序列矩阵。