[发明专利]一种基于功能连接优化和谱聚类的小脑分区方法

权利要求书

1.一种基于功能连接优化和谱聚类的小脑分区方法，该方法包括：

步骤1：获取功能磁共振脑影像数据，并对脑影像数据进行预处理，包括：时间层校正、空间标准化、协变量回归以及滤波，但不要对数据进行空间平滑操作，最后使用小脑模板提取小脑区域的时间序列信号；

步骤2：构建个体水平上的小脑分区：

步骤2.1：对于每一个个体数据，计算所有小脑体素对时间序列的功能连接fc_i,j：

其中，时间序列长度为T,x_t表示体素i的时间序列{x_t}在t时刻的信号值，y_t表示体素j的时间序列{y_t}在t时刻的信号值，表示体素i的时间序列{x_t}均值，表示体素j的时间序列{y_t}均值；从而得到由每一个小脑体素对构成小脑功能连接矩阵；

步骤2.2：根据体素之间的空间邻接关系计算δ_ij对矩阵值进行限制；

其中，dist(i,j)表示体素i和体素j的空间距离，并规定在坐标方向上的两个相邻体素之间的空间为单位距离1；

步骤2.3：采用如下公式对小脑功能连接矩阵值应用变换函数；

其中，k为超参数，以此构建得到新的相似矩阵；

S_Root＝(f_Root(δ_ijfc_ij,k))；

步骤2.4：基于上述相似矩阵S_Root，应用NCUT谱聚类方法，实现对小脑的分区；

步骤3：构建组水平上的小脑分区；

步骤3.1：以分区数K为例，将上述个体的分区结果C＝[c₁,c₂,…c_i…,c_n]转换成邻接表示矩阵AR＝(a_ij)，其中任意元素a_ij满足：

其中，c_i和c_j分别表示第i和第j个体素的所属分区标签，取值范围为1到K间的整数；

步骤3.2：将N个样本的邻接表示矩阵AR进行平均：

得到组水平的相似矩阵S_G；

步骤3.3：根据上述组水平相似矩阵S_G，应用NCUT谱聚类方法，实现对组水平小脑分区的构建。