[發明專利]一種基于卷積神經網絡的人腦功能網絡分類方法

有效

• 申請號: 202110257319.2
• 申請日: 2021-03-09
• 公開（公告）號: CN113040715B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 姚垚;冀俊忠
• 申請（專利權）人: 北京工業大學
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.一種基于卷積神經網絡的人腦功能網絡分類方法，其特征在于：

步驟(1)獲取靜息態fMRI數據并進行預處理，利用預處理后fMRI時間序列信號計算各個腦區間的功能連接強度，構建真實的人腦功能網絡數據集；

步驟(2)將真實數據集和仿真數據集分別劃分為訓練集、驗證集和測試集；

步驟(3)構建基于尺度模塊化特征的卷積神經網絡CNN-MF，用于對人腦功能網絡進行分類；

步驟(4)針對步驟(2)中的訓練集，利用Adam自適應優化算法訓練CNN-MF，并根據模型在驗證集上的分類準確率確定神經網絡的結構和超參數；

步驟(5)首先，將訓練集X_train和測試集X_test輸入到由步驟(4)確定的模型中；然后，利用10次五折交叉驗證法，得到對自閉癥ASD患者的分類準確率；

步驟(1)具體包括：

步驟(1.1)采集靜息態fMRI數據構建數據集，每一個被試的數據包含其腦影像數據與被試的標簽y；

步驟(1.2)數據預處理：包括層間時間校正Slice?Timing?Correction、頭動校正Motion?Realignment、空間標準化Normalization、空間平滑濾波Smoothing、干擾信號去除Nuisance?Signal?Removal、帶通濾波Band-pass?Filtering和配準Registration步驟；

步驟(1.3)腦區劃分：首先根據模版將所有體素劃分至N個腦區中；然后，將每個腦區內所有體素的時間序列取平均，得到所有腦區的時間序列X＝{x₁，...，x_N}^T，x_i表示第i腦區的時間序列，x_i＝{x_i1，...，x_iT|}，x_ij表示第i腦區包含的所有體素、在第j時刻的采樣信號的平均值；

步驟(1.4)獲取用于表征被試腦功能網絡的鄰接矩陣A＝{a_ij}_N×N，其中，N表示網絡中節點數量，即腦區的數量，元素a_ij的值為節點i，j之間邊的強度，表示它們的時間序列之間的統計相似性；

步驟(1.5)提取節點級模塊化結構，具體為：利用每個被試的腦功能網絡鄰接矩陣A計算該被試每一個腦區的局部連接模式{G⁽¹⁾，G⁽²⁾，…，G^(N)}，其中，第k個局部連接模式表示一個新的網絡的鄰接矩陣，該網絡的節點數量與腦功能網絡相同，邊由包含第k個節點的三角形結構的邊組成，表示該節點及其鄰居所構成的模塊，具體來說，找到節點k的每一組相互連接的鄰居節點i與j，并根據下式重新計算它們之間的連接邊的強度：

至此，對于每一個被試，得到了其腦功能網絡A以及每個腦區的局部連接模式矩陣G_LcP＝{G⁽¹⁾，G⁽²⁾，…，G^(N)}，用于腦功能網絡的分類任務；

步驟(3)構建基于多尺度模塊化特征的卷積神經網絡模型CNN-MF，具體為：該模型的輸入為一個被試的腦功能連接矩陣A以及每個腦區的局部連接模式矩陣G_LCP，輸出為模型判定該被試為健康以及患病的概率；模型由節點級特征提取、全腦級模塊化特征學習以及高層特征提取及分類3個部分組成。