[发明专利]一种基于多模态超连接脑网络建模的帕金森自动识别方法

摘要

本发明提出了一种基于多模态超连接脑网络建模的帕金森自动识别方法。该方法首先以DTI结构连接作为约束，并将其融合到fMRI脑功能网络构建过程中，构建多模态超连接网络模型；然后，根据超网特性提取点度、边度、合度作为原始特征集合，并使用多任务特征选择方法(semi‑M2TFS)对原始特征集合进行最优特征子集筛选，得到表征帕金森患者与正常人最大差异程度的特征子集；最后，根据上述最优特征子集训练多核支持向量机模式分类器，并将其用于帕金森患者分类诊断。与现有单模态超连接网络建模方法相比，本发明所构建多模态超连接网络能更加真实反映大脑功能连接机理，在分类识别的准确度方面表现更加优异，对辅助帕金森临床诊断和自动识别具有重要意义。

主权项

1.一种基于多模态超连接脑网络建模的帕金森自动识别方法，其特征在于包括：步骤1：多模态脑网络构建：以fMRI功能连接为基础，DTI结构连接为约束，构建多模态超网模型；步骤2：特征构建：针对所构建超网连接模型，应用复杂网络分析方法，提取反映超网特性的特征集作为备选特征集合E0；步骤3：特征选择：从备选特征集合E0中选取在帕金森(PD)患者与正常对照之间具有最大区分能力的最优特征集合E1；步骤4：分类模型：基于最优特征集合E1，训练多核支持向量机分类模型；步骤5：模式分类：使用分类器对PD患者进行分类，验证特征子集E1的有效性。