[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

本發明涉及一種基于卷積神經網絡的人腦功能網絡分類方法，用于解決現有方法忽略腦網絡的模塊化特性，分類準確率低的問題，具體包括獲取靜息態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；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；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；模型訓練；利用訓練完成的模型進行分類，由此實現對腦疾病發現和診斷幫助。本發明所述方法可以有效地利用人腦功能網絡數據中的模塊化結構信息，從而更準確地進行腦疾病診斷。

技術領域

本發明屬于腦科學研究領域，具體地說，本發明涉及一種基于卷積神經網絡的人腦功能網絡分類方法。

背景技術

人腦是一個極其復雜的組織，由大量的神經元及其之間的相互連接構成。具體來說，平均每個神經元會與上千個其它神經元相連，使得人腦能夠接收、傳遞、處理、融合信息，同時也促使研究者從腦網絡的角度來深入理解人腦的工作機制。近年來，磁共振成像(Magnetic?Resonance?Imaging，MRI)、腦電圖(Electroencephalography,EEG)、腦磁圖(Magnetoencephalography,MEG)、計算機斷層掃描(Computer?Tomography,CT)等腦影像技術的快速發展使得研究者能夠從功能或結構的角度構建腦網絡并進行研究。進一步地，許多研究發現腦疾病患者的腦網絡通常伴隨著連接的中斷或異常融合。因此，腦網絡成為了一種有效的腦疾病診斷生物標記物，基于腦網絡的腦疾病早期診斷方法成為一項研究熱點。其中，靜息態功能磁共振成像(resting?state?functional?Magnetic?ResonanceImaging，rs-fMRI)技術具有無創性、高時空分辨率等優點，基于rs-fMRI的腦功能網絡也受到了廣泛的關注。腦功能網絡能夠有效地表示在大腦進行活動時，各個腦區之間的相關性，使得研究者能夠從腦功能的角度深入了解人腦的運行機理。腦功能網絡由節點和邊構成，每個節點對應一個腦區，且可以通過一個時間序列表示對應腦區中的腦功能活動強度隨時間的變化。每條邊表示一對節點之間的相似性，可以通過對應節點的時間序列以及某種度量方法計算得到，其中最常見的度量方法為皮爾遜相關系數(Pearson?correlationcoefficient)。最后，腦功能連接可以根據上述得到的相似性構成鄰接矩陣形式，用于進行各種分析任務。

近年來，許多機器學習方法已經被用于進行腦功能網絡的分類任務中，這些方法主要可以分為傳統機器學習方法和深度學習方法。傳統機器學習方法主要包括支持向量機(Support?Vector?Machine，SVM)和最小絕對收縮和選擇算子(Least?absolute?shrinkageand?selection?operator，LASSO)等，已經在精神分裂癥(Schizophrenia)、輕度認知障礙(Mild?Cognitive?Impairment，MCI)等精神疾病研究中取得了成功的應用。然而，腦功能網絡數據存在高維小樣本特性，使得這些方法通常需要先進行特征選擇及特征提取，限制了模型的應用前景。另外，傳統機器學習方法通常使用淺層分類模型，無法有效提取腦功能網絡數據的高級特征，降低了模型的分類性能。