[發明專利]一種基于非負矩陣分解的時序結構腦網絡分析方法

有效

• 申請號: 201810585444.4
• 申請日: 2018-06-08
• 公開（公告）號: CN108920887B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 何萍;徐曉華;常心成
• 申請（專利權）人: 揚州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 牛莉莉

本發明公開了神經網絡領域內的一種基于非負矩陣分解的時序結構腦網絡分析方法，包括以下步驟：1）構建非負的時序結構腦網絡，對應每個時間點構建一個網絡表示不同腦區間的相關性；2）采用非負矩陣分解作為基本模型將時序結構腦網絡分解成多個元網絡，要求分解后的元網絡和元網絡的發育軌跡都滿足非負約束；3）通過添加核范數正則項對真實的時序腦網絡進行低偏置重建；4）對分解后的元網絡所對應的發育軌跡施加時序平滑性正則項；5）對分解后的元網絡施加正交約束，使得元網絡之間相互不重疊，用于揭示不同的大腦子網絡發育模式，即不同腦區集合間的協同發育模式，本發明為健康大腦網絡的發育提供了一個基準，可用于大腦發育研究中。

技術領域

本發明涉及一種時序結構網絡，特別涉及一種時序結構腦網絡分析方法。

背景技術

在過去的十年里，神經科學界已經達成共識，人類大腦的發育是無論在結構上還是在功能上都是非線性的過程。人們對正常大腦發育的理解對于揭示結構-功能關系和理解神經發育障礙，如自閉癥、精神分裂癥和注意缺陷多動障礙等，都是至關重要的。

早期對腦發育的研究主要集中在各個功能系統的發育軌跡上。例如，基本的視覺、運動和聽覺的感覺區域是最先發育的，其次是早期語言技能和更高的認知功能。近年來，有關大腦各腦區間腦連通性發育的研究日益受到關注。快速發育的科學技術也使得收集大腦的連接信息變得越來越容易，目的是量化任意一對大腦區域之間的相關性。核磁共振成像(MRI)和彌散張量成像(DTI)分別通過基于多個被測對象的腦區屬性間Pearson相關系數和基于單個被測對象的白質纖維跟蹤來提供結構上的連接信息。功能性核磁共振(fMRI)、腦電圖(EEG)和腦磁圖(MEG)則分別基于相互關聯、相互信息和同步似然性來量化腦區間的功能連接。在不同類型的腦區連通度測量中，對結構連通性的發育模式的深入理解是至關重要的，因為腦網絡的結構組織是功能連接的神經基礎，與各項大腦功能的性能和行為密切相關。理解大腦結構連接的發育過程可以解釋大腦功能狀態是如何從底層結構中產生的，并可以為各種大腦疾病的潛在原因提供一定的線索。近年來，神經科學家發現大腦的網絡結構是平衡最小化連接代價和最大化可適應能力的經濟產物，但是人們對各種經濟因素(如連接代價和適應能力)在大腦發育過程中是如何相互協調的仍然知之甚少。

在結構腦網絡的研究中，有一些研究者認為大腦的結構相關模式，相較于白質纖維連接模式，可能更接近于功能性連接模式，因為白質可能不是腦區間交互的唯一方式。以前對時序結構腦網絡的分析研究主要分為兩類，一類采用了不同的基于圖論的方法，例如小世界屬性和網絡效率，來確定特定時間點特有的相關特征；另一類是研究腦網絡的時序模塊組織，以揭示進化的子網絡結構和社區劃分，以及導致其組織結構的潛在機制。這兩類策略要么用若干種拓撲屬性，要么用一組較小的模塊來表示腦網絡。但是，這兩類策略都沒有使用完整的腦網絡進行分析，因此不可避免地會導致信息的丟失。此外，第二種策略將子網絡看作是內部緊密連接而外部互不相交的模塊，但是卻忽略了一個事實，即一個特定的大腦區域可能會參與多個并發的感知和認知功能回路。目前為止，研究人員對結構腦網絡的時序協同變化發育模式的研究還很少，更鮮有人對各個元網絡的權重變化(即發育軌跡)進行定量化。

要對完整的時序腦網絡進行分析，傳統的矩陣分解方法包括主成分分析(PCA)和獨立成分分析(ICA)。雖然這些方法已經被用來分析動態功能的大腦網絡，但它們產生的特征向量或獨立成分的權值允許負數，存在復雜的相互抵消的效果，因而不便于解釋。為了確保大腦連接模式和它們的發展軌跡的可解釋性，一個比較好的解決方案是采用非負矩陣分解(NMF)。NMF可以看作是主成分分析的一種變化形式，不同之處在于它要求分解的兩個因子矩陣不包含負。這是一個重要的約束，因為它意味著人們可以根據分解得到的元網絡(對應基矩陣)來解釋元網絡中的連接權重，并將時序表達矩陣(對應系數矩陣)解釋為元網絡模式的動態貢獻。可是，即便是非負矩陣分解，也并不能完全解決非負時序腦網絡結構分析的問題，例如數據收集過程中引入的噪聲問題，時間平滑性問題以及元網絡的重疊性問題。

發明內容