基于Qcut算法的脑功能网络异常脑节点数据检测方法技术

本发明专利技术公开了一种基于Qcut算法的脑功能网络异常脑节点数据检测方法，步骤1、对所采集的被试者功能性磁共振成像数据进行预处理；步骤2、划分被试者的整个大脑结构，构建脑功能网络；步骤3、基于Qcut算法实现检测脑功能网络的社团划分；步骤4、对脑功能网络进行社团检测以及采用雅卡尔指数对脑节点的异常情况进行检测。与现有技术相比，本发明专利技术有益效果包括：1)所获得的脑功能网络的社团结构稳定性高；2)同时采用脑网络组图谱对大脑进行了相对细致的划分，将大脑划分为246个脑节点，所得到的异常脑节点检测结果更加精准，该方法具有高可靠性。该方法具有高可靠性。该方法具有高可靠性。

【技术实现步骤摘要】
基于Qcut算法的脑功能网络异常脑节点数据检测方法


[0001]本专利技术涉及认知神经科学和机器学习
，特别是涉及一种脑功能网络异常脑节点检测方法。

技术介绍

[0002]尽管目前在治疗抑郁症方面做出了巨大努力，但社会的不断加速发展导致人们生活压力的增加，使得抑郁症的发病率逐年上升。因此，应更加重视探索抑郁症的诊断。为了确认抑郁症患者的脑节点异常情况，将基于模块度的Qcut算法应用在功能磁共振成像上检测脑功能网络稳定的社团结构，此算法可以快速的检测出大脑网络的社团结构以及每个社团的数量，使得到的结果更加可靠。
[0003]Qcut算法不仅可以应用在社交网络上，而且可以应用在生物网络上，它具有较好的适用性。Qcut算法是无参数的，运行速度快，对脑功能网络进行快速的划分。这样不仅节约了时间成本，同时也提高了实验结果的准确率。

技术实现思路

[0004]本专利技术旨在提出了一种基于Qcut算法的脑功能网络异常脑节点数据检测方法，采用基于Qcut算法的脑功能网络异常脑节点检测方案，通过对所采集的被试者功能性磁共振成像(fM本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Qcut算法的脑功能网络异常数据检测方法，其特征在于，该方法具体包括以下步骤：步骤1、对所采集的被试者功能性磁共振成像数据进行预处理；步骤2、使用具有210个皮质和36个皮质下子区域的脑网络组图谱来划分被试者的整个大脑结构，同时并提取每个脑节点的时间序列，并且采用皮尔逊相关性计算任意脑节点之间的相关性，具体的公式如下所示：其中，X
i
表示脑节点i的时间序列，X
j
表示脑节点j的时间序列，表示脑节点i的平均时间序列，表示脑节点j的平均时间序列；步骤3、基于Qcut算法实现检测脑功能网络的社团划分，包括确定大脑网络的社团结构以及每个社团的数量，具体包括以下处理：模块度被定义如下所示：其中，k表示将脑功能网络划分得到的社团总数，e表示对称矩阵k*k，e
ii
表示社团i内实际连接的边数与全连接的边数的比值，a
i
＝∑
j
e
ij
表示社团i与其它连接的所有社团的值的总和，e
ij
表示社团i与社团j实际连接的边数与总边数的比值；步骤4、对脑功能网络进行社团检测，结合标准互信息和信息变化量作为衡量社团稳定性的指标，选出最稳定的社团结构；在分别确定正常人和抑郁症患者的脑功能网络的最佳社团结构后，将雅卡尔指数用于异常脑节点的检测，对于脑节点i，雅卡尔指数JI计算公式如下：其中，A
i
表示正常人的脑网络中节点i所属社团的所有成员，B
i
表示抑郁症患者的脑网络中节点i所属社团的所有成员；雅卡尔指数JI的取值范围为0到1，JI的值越小，表明该脑节点在正常人的社团结构中和抑郁症病人的社团结构中所处环境的差异越大，该脑节点可能发生了某种病变，无法执行原有的功能，被分到了其它功能的脑节点社团；反之，说明该脑节点在正常人的社团结构中和抑郁症病人的社团结构中所处环境的相似，该脑节点基本保留原有功能，未发现包含病变的检测数据。2.如权利要求1所述的基于Qcut算法的脑功能网络异常数据检测方法，其特征在于，所述步骤1中进一步包括以下处理：步骤1.1、去掉每个被试的前5个...

【专利技术属性】
技术研发人员：金弟，李娜，徐君海，魏建国，
申请(专利权)人：天津大学，
类型：发明
国别省市：