[发明专利]一种脑功能数据分析的个体脑功能网络提取方法

说明书

本发明公开了一种脑功能数据分析的个体脑功能网络提取方法，包括以下步骤：步骤S1、实时采集个体的脑功能数据形成脑功能数据链，并对所述脑功能数据链进行波动分析生成病态脑功能数据链；步骤S2、对所述病态脑功能数据链中所有的病态脑功能数据进行区块匹配生成具有同属性数据噪声的噪声区块集群，并对所述噪声区块集群进行低秩张量恢复以去除噪声区块集群的数据噪声转换为重构区块集群；步骤S3、将所述重构区块集群进行区块重构并恢复至特征清晰的病态脑功能数据帧，依据所述病态脑功能数据帧构建清晰凸显个体病态特征的病态个体脑功能网络。本发明快速精准的掌控病态个体脑功能网络，为后续医疗分析提供有效辅助。

技术领域

本发明涉及智能医疗技术领域，具体涉及一种脑功能数据分析的个体脑功能网络提取方法。

背景技术

基于脑功能数据分析脑功能网络对神经科学研究和医疗诊断有重要意义，独立成分分析方法在该领域应用十分广泛，但由于独立成分分析的随机性、输出成分顺序的不确定性以及成分个数的不可预知性，多被试数据的独立成分分析具有很大的挑战，主要的难点在于如何将多被试的脑网络建立起对应性以方便后续的统计分析，同时又能保持个体被试脑网络的特异性以利于个体诊断。

目前，利用独立成分分析(ICA)进行多被试数据分析的方法分为两类，一类是先对每个被试的数据进行独立成分分析，再利用主观鉴别、聚类方法等将来自于不同被试的独立成分建立起对应性。这类方法的优点是每个被试的成分结果都具有独一无二的时间空间特性，缺点是需要后处理过程来建立不同被试成分之间的对应性，而且由于在某个被试中存在的一个功能网络可能在另一被试中被分解为多个功能网络，所以，对应性往往难以或不能建立。另一类方法被称为组独立成分分析方法，是先在所有的数据上进行一次独立成分分析，然后再重建得到各个被试的成分。已有的组独立成分分析方法根据假设不同分为基于时间串联的、基于空间串联的和基于张量排列的方法，共同的优点是不同被试的结果直接建立起了对应性。其中，基于时间串联的方法假设所有的被试的成分具有相似的空间分布，该类方法较其它两类方法更为常用，Back-reconstruction方法利用组成分信息和PCA的降维结果恢复出个体被试的成分，因此受不同PCA策略的影响大，且不能用于新被试的脑功能数据的脑网络分析，并且基于组成分通过线性回归得到个体被试的时间序列，然后再基于得到的个体时间序列线性回归得到个体被试的独立成分，该方法得到的成分不能保证独立性，进而影响了脑功能网络的准确性。

发明内容

本发明的目的在于提供一种脑功能数据分析的个体脑功能网络提取方法，以解决现有技术中成分提取不能保证独立性，进而影响了脑功能网络的准确性的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种脑功能数据分析的个体脑功能网络提取方法，包括以下步骤：

步骤S1、实时采集个体的脑功能数据形成脑功能数据链，并对所述脑功能数据链进行波动分析生成病态脑功能数据链；

步骤S2、对所述病态脑功能数据链中所有的病态脑功能数据进行区块匹配生成具有同属性数据噪声的噪声区块集群，并对所述噪声区块集群进行低秩张量恢复以去除噪声区块集群的数据噪声转换为重构区块集群；

步骤S3、将所述重构区块集群进行区块重构并恢复至特征清晰的病态脑功能数据帧，依据所述病态脑功能数据帧构建清晰凸显个体病态特征的病态个体脑功能网络。

作为本发明的一种优选方案，所述步骤S1中，对所述脑功能数据链进行波动度分析生成病态脑功能数据链的具体方法包括：

步骤S101、将所述脑功能数据链按预设时序进行分割获得包含个体脑功能整体特征的脑功能数据帧；

步骤S102、对依所述预设时序排列的脑功能数据帧进行波动分析，并依预设时序保留存在波动的脑功能数据帧作为包含个体脑功能病态特征的脑功能病态数据帧。