[發明專利]影像驅動的腦圖譜構建方法、裝置、設備及存儲介質

有效

• 申請號: 202110026745.5
• 申請日: 2021-01-09
• 公開（公告）號: CN112951386B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 王書強;潘俊任;申妍燕
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G16H30/40
• 分類號: G16H30/40;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李艷麗

1.一種影像驅動的腦圖譜構建方法，其特征在于，包括：

獲取節點特征矩陣，所述節點特征矩陣包括腦部的多個節點的時間序列；

對所述節點特征矩陣進行超圖數據結構轉換，得到第一超圖關聯矩陣；

將所述第一超圖關聯矩陣和所述節點特征矩陣輸入已訓練的超圖轉移矩陣生成器中處理，輸出得到第一超圖轉移矩陣，所述第一超圖轉移矩陣表征構建的多模態腦圖譜；

所述超圖轉移矩陣生成器的訓練方法為：

針對訓練集中的每個訓練樣本，對所述訓練樣本進行預處理，得到節點特征矩陣樣本和結構連接矩陣樣本；

對所述節點特征矩陣樣本進行超圖數據結構轉換，得到第二超圖關聯矩陣；

將所述第二超圖關聯矩陣和所述節點特征矩陣樣本輸入初始超圖轉移矩陣生成器中處理，輸出得到第二超圖轉移矩陣；

基于超圖上的隨機游走原理，確定所述訓練樣本對應的每個節點基于所述結構連接矩陣樣本得到的關聯節點集合N_real(v)和基于第二超圖轉移矩陣得到的關聯節點集合N_fake(v)；

利用判別器對所述每個節點的N_real(v)和N_fake(v)進行判決，得到所述訓練樣本對應的判決結果；

根據每個訓練樣本對應的判別結果和預設的損失函數進行迭代訓練，得到所述超圖轉移矩陣生成器。

2.根據權利要求1所述的方法，其特征在于，所述對所述節點特征矩陣進行超圖數據結構轉換，得到第一超圖關聯矩陣，包括：

利用Guth-Katz多項式聚類算法將所述節點特征矩陣轉換為第一超圖數據；

利用KNN算法將所述節點特征矩陣轉換為第二超圖數據；

將所述第一超圖數據和所述第二超圖數據進行融合，得到所述第一超圖關聯矩陣。

3.根據權利要求1所述的方法，其特征在于，所述超圖轉移矩陣生成器對所述節點特征矩陣的處理包括：

基于所述第一超圖關聯矩陣和所述節點特征矩陣進行若干次迭代計算，得到目標超邊特征矩陣和目標節點特征矩陣；

根據所述第一超圖關聯矩陣和所述目標節點特征矩陣確定節點權重矩陣；

根據所述目標超邊特征矩陣確定超邊權重矩陣；

根據所述超邊權重矩陣和所述節點權重矩陣確定所述第一超圖轉移矩陣。

4.根據權利要求1所述的方法，其特征在于，

所述利用判別器對所述每個節點的N_real(v)和N_fake(v)進行判決，得到所述訓練樣本對應的判決結果，包括：

針對所述每個節點，將所述節點在所述節點特征矩陣樣本中對應的時間序列輸入預設的多層感知機中處理，得到輸出特征；

根據如下公式計算所述節點與所述節點的N_real(v)和N_fake(v)中的每個節點的判決結果：

其中，D(v_a,v_b)表示節點v_a是v_b的關聯節點的判別結果，表示節點v_a的輸出特征，表示節點v_b的輸出特征。

5.根據權利要求1所述的方法，其特征在于，所述損失函數為：

表示節點數；P表示所述第二超圖轉移矩陣，T表示所述結構連接矩陣樣本結；λ表示預設系數，v_r表示所述訓練樣本對應的每個節點。