[发明专利]基于时空图卷积的脑网络分类方法

说明书

本发明为基于时空图卷积的脑网络分类方法，对于静息态功能磁共振影像数据的时间序列，使用拆分的时空图卷积同时提取时间特征和空间特征。该方法首先采用基于体素形态的分析法对静息态功能磁共振影像进行分析，利用大脑模板将大脑皮层划分为多个感兴趣区域，将大脑建模为图结构的脑网络，并利用多个时空图卷积层分别提取时间特征和空间特征，降低了卷积操作的复杂度。为了进一步提升训练效果，该方法利用三元组损失函数来提升模型训练效果，使用时空图注意力模块来进一步提取空间特征和时间特征，从而提高基于大脑网络的分类精度。

技术领域

本发明的技术方案涉及用于识别图形的方法，具体地说是基于时空图卷积的脑网络分类方法。

背景技术

近年来，随着科技的发展和创新，世界各国陆续开展了相应的脑计划项目，旨在通过核磁共振、正电子发射型计算机断层扫描等成像技术，同时利用单核苷酸多态性等精细的分子技术来对人类大脑进行建模和研究，实现对大脑疾病(如阿尔茨海默病、精神分裂症和自闭症)的早期诊断，进行及时的干预和治疗。近年的研究表明，一些表型特征因素(例如性别、年龄、是否吸烟饮酒等)对部分神经退行性疾病存在重要的影响，因此研究者们也通过大脑成像技术研究表型因素差异在大脑结构和功能上的表现，分析其对大脑疾病的影响，实现针对性治疗和预防。例如，2022年世界阿尔茨海默病防治协会的报告称，65岁以上老人阿尔茨海默病终生患病率约为21.1％(女)和11.6％(男)，因此研究性别差异对大脑疾病的影响是十分必要的。

大脑具有十分复杂的功能和结构，并且时刻处于变化中。静息态功能磁共振成像通过长时间的扫描，记录了一段时间内大脑在静止状态下的血氧浓度依赖对比信号的变化，刻画了大脑的自发活动和周期变化，因此可以利用静息态功能磁共振成像数据的时间特性来研究大脑功能变化过程，并从大脑功能层面上研究性别差异的表现，从而分析这些差异对大脑疾病的影响效果。随着核磁共振成像技术的普及和推广，世界范围内越来越多的机构和医院陆续采集了大量高质量的影像数据，并对病人进行了长时间的随访诊疗，为研究大脑结构功能提供了重要的数据来源。

CN114287908A公开了一种多通带图卷积的脑连接分类方法，该方法利用全脑的功能影像特征，从脑的白质和灰质分区中提取功能连接网络，并在现有的图卷积网络的基础上，使用多通带特征学习，通过图散射卷积来融合低通滤波和带通滤波。该方法没有考虑功能磁共振成像数据的时间动态性，对全时间点的血氧浓度依赖对比信号进行了相关性分析来构建全脑的脑网络，不能充分利用时间动态性。CN114863181A公开了一种基于预测概率知识蒸馏的性别分类方法，该方法利用教师-学生的知识蒸馏模型，分别使用ResNet18和CNN网络来进行训练，实现性别预测。该方法利用深度卷积模型进行性别分类任务，提升了分类准确率，但是忽略了脑网络模型的可解释性，无法从大脑结构和功能层面对所做的预测结果进行解释。CN110477909A公开了一种基于静息态脑电数据的性别分类方法，该方法采集静息态脑电数据，在对原始脑电数据进行预处理和去除伪迹操作后，输入到卷积神经网络中进行训练和测试。该方法虽然去除了伪迹的影响，但是只用了最原始的CNN网络进行性别分类任务，没有充分考虑原始数据噪声对训练过程的影响。

总之，在现有的脑网络分类方法中，目前的特征提取方法均不能同时有效地提取静息态功能磁共振影像数据的时间特征和空间特征，在分类预测任务中存在错误率高、解释性差的缺陷，精度有待提高。

发明内容

本发明的技术任务是针对以上不足，提供基于时空图卷积的脑网络分类方法，对于静息态功能磁共振影像数据的时间序列，使用拆分的时空图卷积同时提取时间特征和空间特征。该方法首先采用基于体素形态的分析法对静息态功能磁共振影像进行分析，利用大脑模板将大脑皮层划分为多个感兴趣区域，将大脑建模为图结构的脑网络，并利用多个时空图卷积层分别提取时间特征和空间特征，降低了卷积操作的复杂度。为了进一步提升训练效果，该方法利用三元组损失函数来提升模型训练效果，使用时空图注意力模块来进一步提取空间特征和时间特征，从而提高基于大脑网络的分类精度。本发明公开的方法针对时间序列数据能够有效地提取脑区的空间特征，并充分利用其时间动态性。