[发明专利]基于高斯图模型的脑网络建模与模式分类方法

摘要

本发明提出了一种面向轻度认知障碍功能磁共振数据的脑网络建模与自动识别方法。该方法首先通过高斯图模型对功能磁共振数据构建功能连接脑网络；接着，将表征脑网络的稀疏逆协方差矩阵的下三角矩阵拉直作为特征向量；然后，使用t检验和支持向量机递归特征消除法对上述特征进行筛选，得到表征轻度认知障碍与正常人最大差异程度的特征集合；接着，利用上述特征集合训练模式分类器，得到训练集上分类正确率，并最终确定用于分类的脑网络模型和分类器SVM。与已有脑网络建模方法相比较，基于本发明所构建的脑网络模型在轻度认知障碍分类识别方面，表现更加优异，模型泛化性能更好，对辅助轻度认知障碍的临床诊断和自动识别具有重要意义。

主权项

基于高斯图模型的脑网络建模与模式分类方法，其特征在于包括：步骤1.脑网络构建：应用高斯图模型估计功能磁共振数据的稀疏逆协方差矩阵，构建脑网络功能连接模型；步骤2.特征构建：取脑网络中边的权重，即稀疏逆协方差矩阵的下三角矩阵，作为备选特征集S0；步骤3.特征选择：从备选特征集S0中选取具有良好区分能力的最优特征子集S1；步骤4.分类模型：基于最优特征子集S1训练分类器非线性支持向量机；步骤5.模式分类：使用分类器对功能磁共振数据进行分类，验证特征子集S1的有效性。