[發(fā)明專(zhuān)利]腦疾病分類(lèi)裝置、用戶(hù)終端和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811095737.0
• 申請(qǐng)日: 2018-09-19
• 公開(kāi)（公告）號(hào): CN109344889B
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 雷柏英;楊鵬;汪天富;秦璟;倪東;陳思平
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G16H50/20
• 代理公司: 北京超凡志成知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11371
• 代理人: 逯恒

1.一種腦疾病分類(lèi)裝置，其特征在于，包括：網(wǎng)絡(luò)構(gòu)建模塊、縱向分析模塊和融合分類(lèi)模塊；

所述網(wǎng)絡(luò)構(gòu)建模塊，用于通過(guò)融合稀疏網(wǎng)絡(luò)模型構(gòu)建多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)；

所述通過(guò)融合稀疏網(wǎng)絡(luò)模型構(gòu)建多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)，包括：

定義受試者數(shù)量為N；表示第n個(gè)受試者的第r個(gè)腦區(qū)域所包含的M個(gè)血氧水平依賴(lài)的平均時(shí)間序列信號(hào)；表示除去的所有腦區(qū)域的數(shù)據(jù)；表示權(quán)重系數(shù)向量；其中，

通過(guò)組稀疏正則化和平滑正則化來(lái)共同學(xué)習(xí)每個(gè)受試者的共享功能性腦網(wǎng)絡(luò)；其目標(biāo)函數(shù)為：R_g(W_r)是組正則化項(xiàng)，R_s(W_r)表示平滑項(xiàng)；R_s(W_r)的具體形式為：λ₂表示平滑項(xiàng)參數(shù)；

基于所述目標(biāo)函數(shù)，通過(guò)迭代投影梯度下降算法得到多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)；

所述縱向分析模塊，用于利用無(wú)參數(shù)中心化多任務(wù)學(xué)習(xí)方法對(duì)所述多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)中的早期輕度認(rèn)知障礙樣本和晚期輕度認(rèn)知障礙樣本進(jìn)行縱向分析，得到多時(shí)間點(diǎn)特征；

所述融合分類(lèi)模塊，用于通過(guò)相似性融合方法融合所述多時(shí)間點(diǎn)特征，并通過(guò)支持向量機(jī)模型完成分類(lèi)。

2.如權(quán)利要求1所述腦疾病分類(lèi)裝置，其特征在于，所述通過(guò)融合稀疏網(wǎng)絡(luò)模型構(gòu)建多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)之前，還包括：

采集基于至少兩個(gè)不同時(shí)間點(diǎn)的受試者的多樣本rs-fMRI數(shù)據(jù)；所述多樣本rs-fMRI數(shù)據(jù)包括的多樣本正常人rs-fMRI數(shù)據(jù)、多樣本早期輕度認(rèn)知障礙rs-fMRI數(shù)據(jù)和多樣本晚期輕度認(rèn)知障礙rs-fMRI數(shù)據(jù)；其中，每個(gè)所述多樣本rs-fMRI數(shù)據(jù)包含有140個(gè)有序測(cè)試序列；

去除每個(gè)所述多樣本rs-fMRI數(shù)據(jù)中的前10個(gè)有序測(cè)試序列，并對(duì)每個(gè)所述多樣本rs-fMRI數(shù)據(jù)中的剩余有序測(cè)試序列進(jìn)行時(shí)間點(diǎn)校正，以便于根據(jù)校正后的多樣本rs-fMRI數(shù)據(jù)中的剩余有序測(cè)試序列構(gòu)建多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)。

3.如權(quán)利要求1所述腦疾病分類(lèi)裝置，其特征在于，所述基于所述目標(biāo)函數(shù)，通過(guò)迭代投影梯度下降算法得到多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)，包括：

所述目標(biāo)函數(shù)中包括平滑項(xiàng)和非平滑項(xiàng)

在第k次迭代中，投影梯度下降中包括兩步方程：

s(W_r)在處的梯度表示為并且步長(zhǎng)表示為γ_k，并且通過(guò)線搜索確定，第一步方程為：第二步方程為：

利用加速梯度下降法加速所述第一步方程和第二步方程，計(jì)算搜索點(diǎn)；其中，α_k是預(yù)定義變量，定義為從而得到多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)。

4.如權(quán)利要求1所述腦疾病分類(lèi)裝置，其特征在于，所述利用無(wú)參數(shù)中心化多任務(wù)學(xué)習(xí)方法對(duì)所述多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)中的早期輕度認(rèn)知障礙樣本和晚期輕度認(rèn)知障礙樣本進(jìn)行縱向分析，得到多時(shí)間點(diǎn)特征，包括：

利用加權(quán)圖的局部聚類(lèi)系數(shù)從每個(gè)所述多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)中提取特征；

通過(guò)無(wú)參數(shù)中心化多任務(wù)學(xué)習(xí)所述特征，識(shí)別出多時(shí)間點(diǎn)個(gè)性特征和多時(shí)間點(diǎn)共同特征，作為多時(shí)間點(diǎn)特征。

5.如權(quán)利要求4所述腦疾病分類(lèi)裝置，其特征在于，所述利用加權(quán)圖的局部聚類(lèi)系數(shù)從每個(gè)所述多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)中提取特征之前，還包括：

定義以獲得所述多時(shí)間點(diǎn)腦功能連接網(wǎng)絡(luò)的對(duì)稱(chēng)性；其中，Z代表矩陣或者向量的轉(zhuǎn)置。