[發明專利]基于腦網絡分析的神經精神疾病分類方法

有效

• 申請號: 201710940330.2
• 申請日: 2017-10-11
• 公開（公告）號: CN107680677B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 周穎杰;洪曄;潘勝利;張頡
• 申請（專利權）人: 四川大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.基于腦網絡分析的神經精神疾病分類方法，其特征在于，包括：

S1、通過腦圖譜將大腦皮層及皮層下結構劃分為多個感興趣區，并提取多個感興趣區之間的連接特征參數；

S2、根據感興趣區和連接特征參數構建多層腦網絡；

S3、提取每層腦網絡中的網絡結構特征參數；

所述網絡結構特征參數包括：局部聚類系數、節點重要性分數和節點局部重要性分數；

步驟S3所述局部聚類系數計算公式為：

其中，p表示各層腦網絡的序號；i表示節點序號，表示樣本m的第p層腦網絡中，與節點i相鄰的節點總個數；表示樣本m的第p層腦網絡中，與節點i相鄰的所有節點的集合；表示樣本m的第p層腦網絡中，節點i、j之間歸一化后的邊權值；表示樣本m的第p層腦網絡中，節點i、k之間歸一化后的邊權值；表示樣本m的第p層腦網絡中，節點j、k之間歸一化后的邊權值；

步驟S3所述節點重要性分數計算式為：

其中，表示的全局效率，表示樣本m的第p層腦網絡；表示的全局效率，表示樣本m的第p層腦網絡去掉節點i以及與節點i相連的邊之后的網絡；M表示感興趣區的數量；表示中所有節點的集合；表示中去除節點i之后剩余的集合；表示樣本m的第p層腦網絡中，節點s、t之間的最短路徑長度；表示樣本m的第p層腦網絡中，節點s′、t′之間的最短路徑長度；

步驟S3所述節點局部重要性分數計算式為：

其中，表示的全局效率，表示樣本m的第p層腦網絡中節點i的局部網絡；表示的全局效率，表示去掉節點i以及與節點i相連的邊之后的網絡；表示樣本m的第p層腦網絡中關于節點i的局部網絡中節點個數；表示節點i的局部網絡中所有節點的集合；表示中去除節點i之后剩余的集合；示樣本m的第p層腦網絡中，節點s、t之間的最短路徑長度；表示樣本m的第p層腦網絡中，節點s′、t′之間的最短路徑長度；

S4、基于網絡結構特征參數，并利用待分類樣本和已知分類樣本相較于正常樣本的差異進行多層腦網絡特征的融合，得到待分類樣本和已知分類樣本間的多層腦網絡相對特征量；然后計算待分類樣本到所有已知分類樣本的距離；

計算待分類樣本和已知分類樣本間的多層腦網絡相對特征量具體為：

B1、根據待分類樣本各層腦網絡中的網絡結構特征參數、所有正常樣本各層腦網絡中的網絡結構特征參數的均值和標準差，分別計算待分類樣本與已知分類樣本所對應多層腦網絡中每一個節點的各類網絡結構特征參數在各層腦網絡的有效性權重：

待分類樣本或已知分類樣本所對應多層腦網絡中某節點的某類網絡結構特征參數在某層腦網絡的有效性權重為1時，表示該待分類樣本或這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡中有效；

待分類樣本或已知分類樣本所對應多層腦網絡中某節點的某類網絡結構特征參數在某層腦網絡的有效性權重為0時，表示該待分類樣本或這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡中無效；

B2、計算待分類樣本與已知分類樣本所對應多層腦網絡中各節點的各類網絡結構特征參數在各層腦網絡的相對權重：

若待分類樣本與某個已知分類樣本所對應多層腦網絡中某節點的某類網絡結構特征參數在每層腦網絡中都無效，則該待分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在每層腦網絡的相對權重均為0；

若待分類樣本與某個已知分類樣本所對應多層腦網絡中某節點的某類網絡結構特征參數在某層腦網絡中均有效，則該待分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡的相對權重為1，在其余層腦網絡的相對權重為0；

若待分類樣本與某個已知分類樣本其中一個所對應多層腦網絡中某節點的某類網絡結構特征參數在各層腦網絡均無效，另一個所對應多層腦網絡中對應節點的該類網絡結構特征參數在某層腦網絡有效，則該待分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡的相對權重為1，在其余層腦網絡的相對權重為0；

若待分類樣本與某個已知分類樣本所對應多層腦網絡中某節點的某類網絡結構特征參數分別在不同層腦網絡有效，則根據各層腦網絡對應的有效系數計算該待分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡的相對權重，在其余層腦網絡的相對權重為0；

步驟B2所述根據各層腦網絡對應的有效系數計算待分類樣本與某個已知分類樣本在該層腦網絡的相對權重；具體為：

設定各層腦網絡對應的有效系數，在待分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數有效的某層腦網絡，待分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡的相對權重為：該層腦網絡對應的有效系數除以該層腦網絡對應的有效系數與這個已知分類樣本中對應節點的該類網絡結構特征參數有效的那層腦網絡對應的有效系數之和；

在已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數有效的那層腦網絡，待分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在該層腦網絡的相對權重為：該層腦網絡對應的有效系數除以該層腦網絡對應的有效系數與待分類樣本中對應節點的該類網絡結構特征參數有效的那層腦網絡對應的有效系數之和；

該分類樣本與這個已知分類樣本所對應多層腦網絡中該節點的該類網絡結構特征參數在其余層腦網絡的相對權重為0；

B3、根據待分類樣本與某個已知分類樣本的相對權重、各層腦網絡的有效性權重以及正常樣本的網絡結構特征參數，計算待分類樣本與已知分類樣本的多層網絡相對特征量；

S5、選取距離待分類樣本最近的k個已知分類樣本；

S6、若這k個已知分類樣本屬于同一個分類，且待分類樣本到該分類的距離小于該分類的直徑，則判定待分類樣本屬于該分類，將待分類樣本加入到已知分類樣本所屬分類中；

否則判斷待分類樣本到該分類中的k個已知分類樣本的距離是否大于該分類的直徑，是則建立新的分類，并將待分類樣本歸入新的分類；否則結束。