[發明專利]基于圖卷積神經網絡的組水平的fMRI腦功能網絡分析方法

在審

• 申請號: 202211330953.5
• 申請日: 2022-10-28
• 公開（公告）號: CN115670427A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 馬祥園;鄧智升
• 申請（專利權）人: 汕頭大學
• 主分類號: A61B5/055
• 分類號: A61B5/055;G06F18/241;G06F18/214;G06N3/042;G06N3/0464;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 周增元

本發明公開了一種基于圖卷積神經網絡的組水平的fMRI腦功能網絡分析方法，包括：獲取多組不同類別的受試者大腦的fMRI，進行預處理后為每個受試者建立腦功能網絡，對每組腦功能網絡進行單樣本t檢驗，計算節點的圖論屬性作為節點特征；建立并訓練GCN的分類模型，神經網絡的輸入為腦功能網絡的連邊、節點特征，輸出為受試者的類別；根據GCN的可解釋性，找到對分類最重要的子圖結構，該子圖代表不同組之間腦功能網絡差異最大的腦功能連接，可用于對大腦疾病神經機制的進一步分析。本發明能夠更全面地對不同組的腦功能網絡進行比較，得到更準確的結果，可廣泛用于失語癥、抑郁癥、阿爾茲海默癥等大腦疾病的腦功能網絡分析。

技術領域

本發明涉及腦功能網絡分析領域，尤其涉及一種基于GCN、GCN可解釋性的fMRI腦功能網絡分析方法。

背景技術

fMRI（FMRI，functional magnetic resonance imaging）可測量大腦神經元的活動，它具有較高的時間分辨率和空間分辨率，可用于診斷和分析大腦疾病。腦功能網絡是一種常用的分析大腦神經元活動的模型，往往通過腦功能網絡模型對fMRI數據進行分析。腦功能網絡的每個節點代表了不同的腦區，連邊代表腦區之間的功能連接。腦功能網絡的節點圖論屬性例如節點效率、節點度、聚類系數、介數可被看作是節點的特征，連邊的大小可被看作是邊的特征。

建立腦功能網絡后，為了分析大腦疾病的神經機制，通常采用統計檢驗方法比較不同受試者組之間的節點或者連邊的差異，例如病人組和正常人組，病人治療前組和治療后組。可以簡單地使用雙樣本t檢驗來比較不同受試者組之間的連邊或者節點特征的差異，但由于節點數目或者連邊數目不少，僅僅使用雙樣本t檢驗會帶來較大的假陽性率。Zalesky等人在2010年提出了一種基于網絡的統計(NBS)方法來消除這種誤差，NBS先根據第一個閾值去除極不顯著的部分，再進行置換檢驗，若極大連通子圖的大小在所有置換中從大到小排序的比率能小于第二個閾值，則通過置換檢驗。NBS并不能在所有情況表現好，它的表現很大程度取決于閾值的選擇，這在實際中是很難選擇的。

然而，統計檢驗方法都有一定局限性，它很難同時利用來自腦功能網絡節點和連邊的特征。而且，統計檢驗方法的閾值能極大地影響實驗結果，要選擇合適的閾值是一件比較困難的事情。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于圖卷積神經網絡的組水平的fMRI腦功能網絡分析方法，可同時提取節點特征和連邊特征，比統計檢驗更全面地比較了兩組腦功能網絡的差異，能獲得更可靠的結果。同時，此方法表現穩定，不像統計檢驗方法的結果很大程度上取決于閾值的選擇。。

為了解決上述技術問題，本發明實施例提供了一種基于圖卷積神經網絡的組水平的fMRI腦功能網絡分析方法，包括以下步驟：

S1：數據采集，獲取原始數據，包括大腦的功能磁共振成像數據；

S2：數據預處理，對所述功能磁共振成像數據進行預處理，減少數據的噪聲、頭動、個體差異；

S3：構建腦功能網絡，為每個受試者建立腦功能網絡，對每組腦功能網絡進行單樣本t檢驗，去除不顯著的連邊，并計算節點的圖論屬性作為節點特征；

S4：建立并訓練基于圖卷積神經網絡的分類模型，其輸入為腦功能網絡的連邊、節點特征，輸出為受試者的類別；

S5：根據圖卷積神經網絡的可解釋性，找到對分類最重要的子圖結構，該子圖代表不同組腦功能網絡差異最大的腦功能連接，可用于對大腦疾病神經機制的進一步分析。

其中，所述S2中數據預處理具體包括：去除不穩定的時間點、時間層校正、頭動校正、空間標準化、去線性漂移、回歸協變量、濾波、去除頭動過大的時間點。

其中，所述S3中構建腦功能網絡包括步驟：

S31：定義腦功能網絡的節點；

S32：提取每個節點的fMRI時間序列：根據節點的定義，計算每個節點所有體素的平均fMRI作為節點的fMRI；