[發(fā)明專利]一種基于社區(qū)檢測(cè)和雙路自編碼的腦網(wǎng)絡(luò)分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110616573.7
• 申請(qǐng)日: 2021-06-02
• 公開（公告）號(hào): CN113642596A
• 公開（公告）日: 2021-11-12
• 發(fā)明（設(shè)計(jì)）人: 朱旗;楊婧;徐如婷;張道強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于社區(qū)檢測(cè)和雙路自編碼的腦網(wǎng)絡(luò)分類方法，其特征在于：包括以下步驟：

(1)采集人腦的結(jié)構(gòu)模態(tài)數(shù)據(jù)DTI和功能模態(tài)數(shù)據(jù)fMRI。

(2)根據(jù)DTI數(shù)據(jù)構(gòu)建結(jié)構(gòu)模態(tài)腦網(wǎng)絡(luò)W_s，根據(jù)fMRI數(shù)據(jù)構(gòu)建功能模態(tài)腦網(wǎng)絡(luò)W_f。

(3)采用結(jié)構(gòu)模態(tài)數(shù)據(jù)指導(dǎo)功能模態(tài)數(shù)據(jù)的方法，檢測(cè)出腦網(wǎng)絡(luò)中潛在社區(qū)結(jié)構(gòu)。

(4)根據(jù)檢測(cè)出的社區(qū)結(jié)構(gòu)，重新調(diào)整結(jié)構(gòu)腦網(wǎng)絡(luò)和功能腦網(wǎng)絡(luò)中節(jié)點(diǎn)的排列順序，使其能夠保留網(wǎng)絡(luò)中的模塊化信息，并適應(yīng)后續(xù)的矩陣卷積核。

(5)設(shè)計(jì)一個(gè)帶注意力機(jī)制的雙路自編碼模型，將節(jié)點(diǎn)重排序之后的結(jié)構(gòu)網(wǎng)絡(luò)和功能網(wǎng)絡(luò)分別送入各自的自編碼通道中，以提取出高階的非線性重要信息，用隱層表示。

(6)綜合利用結(jié)構(gòu)模態(tài)和功能模態(tài)的隱層信息，來完成腦網(wǎng)絡(luò)分類任務(wù)。

2.根據(jù)權(quán)利要求1所述的基于社區(qū)檢測(cè)和雙路自編碼的腦網(wǎng)絡(luò)分類方法，其特征在于：所述步驟(2)構(gòu)建結(jié)構(gòu)模態(tài)網(wǎng)絡(luò)和功能模態(tài)網(wǎng)絡(luò)的具體方法為：

對(duì)于功能模態(tài)數(shù)據(jù)，計(jì)算兩兩腦區(qū)之間血液信號(hào)的皮爾遜相似度，再經(jīng)過正則化，即可得到功能腦網(wǎng)絡(luò)W_f。對(duì)于結(jié)構(gòu)模態(tài)數(shù)據(jù)DTI，需要提出每?jī)蓚€(gè)腦區(qū)之間的物理纖維數(shù)量的多少，構(gòu)建得到結(jié)構(gòu)腦網(wǎng)絡(luò)W_s。

3.根據(jù)權(quán)利要求1所述的基于社區(qū)檢測(cè)和雙路自編碼的腦網(wǎng)絡(luò)分類方法，其特征在于：所述步驟(3)結(jié)構(gòu)模態(tài)網(wǎng)絡(luò)指導(dǎo)功能模態(tài)網(wǎng)絡(luò)，來檢測(cè)腦網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)的具體方法為：

利用譜聚類方法，找到結(jié)構(gòu)腦網(wǎng)絡(luò)上一個(gè)合適的社區(qū)劃分規(guī)則，利用這個(gè)規(guī)則將結(jié)構(gòu)網(wǎng)絡(luò)劃分為若干個(gè)子圖，使得子圖內(nèi)的節(jié)點(diǎn)權(quán)重和高，子圖間的節(jié)點(diǎn)權(quán)重和低。然后，再將這個(gè)子圖劃分的規(guī)則用到功能腦網(wǎng)絡(luò)上，找出功能腦網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。由于在社區(qū)檢測(cè)過程中，有很多的參數(shù)，而使用不同的參數(shù)會(huì)得到不同的子圖劃分結(jié)構(gòu)，所以，我們將步驟3和之后的雙路自編碼分類模型聯(lián)合訓(xùn)練參數(shù)，以得到一個(gè)能夠提高分類精度的最好的社區(qū)劃分規(guī)則。同時(shí)，這個(gè)規(guī)則是綜合考慮結(jié)構(gòu)模態(tài)和功能模態(tài)網(wǎng)絡(luò)信息的，而不是僅僅依賴于結(jié)構(gòu)模態(tài)網(wǎng)絡(luò)。假設(shè)利用譜聚類方法將腦網(wǎng)絡(luò)劃分為k個(gè)不相交的社區(qū)：A₁，A₂，...，A_k。定義其中任意兩個(gè)子圖A和B之間的權(quán)重為：W(A，B)＝∑_{i∈A，j∈B}w_ij。那么對(duì)于其中k個(gè)子圖點(diǎn)的集合，有其中是A_i的補(bǔ)集。由于我們使用譜聚類劃分社區(qū)的原則是使得子圖內(nèi)的節(jié)點(diǎn)權(quán)重和高，子圖間的節(jié)點(diǎn)權(quán)重和低。因此，優(yōu)化目標(biāo)為：

通過求解這個(gè)目標(biāo)函數(shù)，可以得到一組子圖劃分的規(guī)則，也即社區(qū)劃分的規(guī)則。

4.根據(jù)權(quán)利要求1所述的基于社區(qū)檢測(cè)和雙路自編碼的腦網(wǎng)絡(luò)分類方法，其特征在于：所述步驟(4)根據(jù)社區(qū)結(jié)構(gòu)，調(diào)整腦網(wǎng)絡(luò)中節(jié)點(diǎn)排序順序的具體方法為：

將屬于同一個(gè)社區(qū)的網(wǎng)絡(luò)節(jié)點(diǎn)放置在腦網(wǎng)絡(luò)中的相鄰位置，而屬于不同社區(qū)內(nèi)的節(jié)點(diǎn)分開放置。對(duì)于結(jié)構(gòu)腦網(wǎng)絡(luò)和功能腦網(wǎng)絡(luò)都采用同樣的方法。調(diào)整之后，腦網(wǎng)絡(luò)具有近似塊對(duì)角的性質(zhì)。一個(gè)對(duì)角塊對(duì)應(yīng)于一個(gè)社區(qū)，對(duì)角塊上分布的是社區(qū)內(nèi)高度密集連接的節(jié)點(diǎn)，而非對(duì)角塊上分布的是網(wǎng)絡(luò)中與其它節(jié)點(diǎn)連接性較低的節(jié)點(diǎn)。經(jīng)過調(diào)整之后的結(jié)構(gòu)腦網(wǎng)絡(luò)表示為W′_s，經(jīng)過調(diào)整之后的功能腦網(wǎng)絡(luò)表示為W′_f。為方便后續(xù)的敘述，用W^(s)代替W′_s，用W^(f)代替W′_f。