买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于功能和结构先验的可解释的动态脑网络分析方法，该方法对fMRI信号进行预处理，通过非重叠滑动窗口划分fMRI信号构建动态功能脑网络；将功能和结构的先验知识嵌入到动态功能脑网络中，得到基于脑区聚类的分层动态功能脑网络表示，捕捉功能子网之间的时空拓扑关系，然后通过具有图内传播和图间传播的张量图卷积网络，从分层动态功能脑网络中协同提取时空拓扑特征，且功能子网约束来增强子网内的特征表示一致性和子网间特征表示的差异性，更好地反映脑网络的拓扑先验特征。最后结合注意力机制进行特征融合，将得到的全局大脑时空嵌送入多层感知机来预测每个受试者的类别，并且分析脑疾病对大脑时空拓扑属性的影响。

主权项：1.一种基于功能和结构先验的可解释的动态脑网络分析方法，该方法包括构建用于动态功能脑网络分析的可解释时空张量图卷积网络，其特征在于，包括如下步骤：S1、使用DPARSF工具包对fMRI信号进行数据预处理；S2、使用非重叠滑动窗口划分fMRI信号构建动态功能脑网络；S3、将功能和结构的先验知识嵌入到动态功能脑网络中，得到基于脑区聚类的分层动态功能脑网络表示，用于捕捉功能子网之间的时空拓扑关系；对于每个窗口下的分层动态功能脑网络，根据功能和结构先验将具有相似功能的脑区和连接划分为不同的子网络，包括默认模式网、额顶叶网络、显著性网络、注意力网络、体感运动网络、视觉网络、听觉网络；构建C个动态功能子网其中Ac表示第c个动态功能子网的邻接矩阵，Fc表示第c个动态功能子网的节点特征,T表示非重叠滑动窗口的个数，Nc表示第c个动态功能子网中含有的节点数；为捕捉脑连接的演化模式，将每个动态功能子网络存储为张量的形式；S4、构造具有图内传播和图间传播的张量图卷积网络，从分层动态功能脑网络中协同提取时空拓扑特征；以张量图卷积的第l层为例，首先执行图内传播再执行图间传播： 其中代表第l层ST2GCN隐藏特征张量，dl是隐藏特征张量的维度，Fc0是初始的节点特征，表示执行图内传播后的输出特征张量，fintra和finter分别表示图内传播和图间传播操作；图内传播：利用图内传播聚合动态功能子网中每个脑区相邻节点的特征信息，给定邻接张量和特征张量经过图内传播fintra更新第l层第t个图的输出特征为： 其中σ表示ReLU激活函数，是Ac经过对称归一化后的图，表示第l层第t个图特征提取过程中的权重矩阵；图间传播：为了聚合不同窗口下动态功能子网Gc的时序特性，通过连接动态功能子网Gc中的相同节点来构造一系列虚拟图；由于虚拟图中所有的节点和边都同等重要，因此将虚拟图中节点对之间的连接权重设置为1；考虑Gc含有Nc个脑区，因此对应有Nc个虚拟图，形成一个新的图邻接张量在虚拟图上的图间信息传播finter通过以下公式实现： 其中表示图间信息传播的输出特征，同时也表示l+1层ST2GCN的输入特征，σ表示ReLU激活函数，表示图间传播过程中的可学习参数；S5、引入功能子网约束来增强子网内的特征表示一致性和子网间特征表示的差异性，从而指导学习到的特征更好地反映脑网络的拓扑先验特征；该步骤包括设计脑功能子网络约束，将其嵌入到时空张量图卷积网络中，鼓励聚合子网内脑区的特征表示，同时促进不同子网间脑区的判别性特征表示，其中包括采用余弦相似度来测量子网内脑区的时空特征表示的相似度，并促使这种相似度随着训练的进行而增加；S6、将提取的不同动态功能子网的时空特征通过注意力机制进行融合，得到全脑级别的特征表示；S7、使用多层感知机进行分类，将提取的时空特征映射到受试者标签，将得到的全局大脑时空嵌送入多层感知机来预测每个受试者的类别，并且分析脑疾病对大脑时空拓扑属性的影响，提高疾病诊断的可解释性。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于功能和结构先验的可解释的动态脑网络分析方法