[发明专利]一种免阈值设定的静息态功能脑网络构建方法

摘要

本发明公开了一种免阈值设定的静息态功能脑网络构建方法，包括以下步骤：步骤S1：获取fMRI数据并提取各个脑区的BOLD信号矩阵；步骤S2：对BOLD信号进行信号处理并计算各个脑区间的皮尔森相关系数以此构建实数脑网络矩阵；步骤S3：将步骤S2中构建的实数脑网络矩阵输入神经网络并输出二值脑网络矩阵；步骤S4：采用遗传优化算法优化步骤S3输出的二值脑网络矩阵；步骤S5：如果步骤S4输出的二值脑网络矩阵符合优化条件，则获取最优二值脑网络矩阵；否则，重新配置神经网络参数，并重复步骤S2‑S5；步骤S6：根据步骤S5中最优二值脑网络矩阵产生免阈值静息态脑功能网络。

主权项

1.一种免阈值设定的静息态功能脑网络构建方法，其特征在于，包括以下步骤：步骤S1：获取fMRI数据并提取各个脑区的BOLD信号矩阵；步骤S2：对BOLD信号进行信号处理并计算各个脑区间的皮尔森相关系数以此构建实数脑网络矩阵；步骤S3：将步骤S2中构建的实数脑网络矩阵输入神经网络并输出二值脑网络矩阵；步骤S4：采用遗传优化算法优化步骤S3输出的二值脑网络矩阵；步骤S5：如果步骤S4输出的二值脑网络矩阵符合优化条件，则获取最优二值脑网络矩阵；否则，重新配置神经网络参数，并重复步骤S2‑S5；步骤S6：根据步骤S5中最优二值脑网络矩阵产生免阈值静息态脑功能网络；其中，步骤S3中，所构造神经网络结构如下：隐藏层计算公式为：其中，xi为输入层节点，{i∈N+,[1,19]}，即步骤S2中获取的实数脑网络矩阵；Hj为隐藏层节点，{j∈N+,[1,20]}，wij为输入层节点权值；aj为输入层偏置；f(x)为Sigmod函数；输出层计算公式为：YK为输出节点，{k∈N+,[0,1]}；wjK为隐藏层节点权值；bk为隐藏层偏置；在步骤S4中，遗传优化进一步包括以下步骤：(1)个体编码：[wij|aj|wjk|bk]；其中，wij:为输入层节点权值，{wij∈R+,[0,1]}；aj：为输入层节点的偏置，{aj∈R+,[0,1]}；wjk：为隐藏层节点权值，{wjk∈R+,[0,1]}；bk：为隐藏层节点的偏置，{bk∈R+,[0,1]}；(2)设定种群数量10000个，并随机产生；(3)利用静息态功能脑网络的小世界特性，设置适应度函数作为优化条件，具体步骤如下：a)满足稀疏性条件下，选择最优小世界网络结构：b)统计皮尔逊相关系数矩阵经过神经网络计算后，Y＝1的数量K，保证矩阵稀疏性；也即如下公式：maxSs.t.K≤0.1N2，N＝90；其中，小世界网络结构表达式；Cg，经过遗传算法求解后得到的静息态功能脑网络聚类系数；Lg，经过遗传算法求解后得到的静息态功能脑网络特征路径长度；随机网络聚类系数；随机网络特征路径长度。