基于fMRI图神经网络的帕金森抑郁辅助识别方法技术

本发明专利技术提供的一种基于fMRI图神经网络的帕金森抑郁辅助识别方法，读取受试者影像信息，提取受试者的磁共振扫描仪采集的MRI数据和文件并自动调用SPM12软件进行数据和文件的预处理；基于感兴趣区域，按照脑图谱使用皮尔逊相关系数指标对每个ROI时间序列之间做相关性分析，基于图论建立针对帕金森抑郁症状的有效特征模型；建立适用于帕金森抑郁的图神经网络PR

【技术实现步骤摘要】
基于fMRI图神经网络的帕金森抑郁辅助识别方法


[0001]本专利技术涉及帕金森识别
，尤其涉及一种基于fMRI图神经网络的帕金森抑郁辅助识别方法。

技术介绍

[0002]帕金森病(PD)是一种神经退行性疾病，其抑郁症状的临床诊断无“金标准”，主要通过量表推断，诊断具有一定主观性；帕金森病(PD)是第二常见的神经退行性疾病，老年人多见，平均发病年龄为60岁左右，40岁以下起病的青年帕金森病较少见。我国65岁以上人群PD的患病率大约是1.7％，而世界平均水平为1％，大部分帕金森病患者为散发病例，仅有不到10％的患者有家族史；fMRI是一种利用血氧合度依赖对比来反映神经活动的技术，对fMRI信号的分析具有神经学意义，但其医学临床分析应用因信号处理门槛受到局限，目前尚未存在全流程分析 fMRI的帕金森抑郁辅助识别工具。
[0003]现有技术中，已有使用图神经网络PR
‑
GNN用于自闭症谱系障碍的分类识别，但暂无使用PR
‑
GNN针对帕金森病抑郁的识别，暂无使用PR
‑/>GNN构成的辅助本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于fMRI图神经网络的帕金森抑郁辅助识别方法，其特征在于，包括以下步骤：读取受试者影像信息，提取受试者的磁共振扫描仪采集的MRI数据和文件并自动调用SPM12软件进行数据和文件的预处理；基于感兴趣区域，按照脑图谱使用皮尔逊相关系数指标对每个ROI时间序列之间做相关性分析，基于图论建立针对帕金森抑郁症状的有效特征模型；根据数据量的实际维度和规模，建立适用于帕金森抑郁的图神经网络PR
‑
GNN，图神经网络PR
‑
GNN主要包括前段的GNN部分：图卷积层、节点池化层、readout层和后段的多层感知机；将基于图论建立针对帕金森抑郁症状的有效特征模型输入适用于帕金森抑郁的图神经网络PR
‑
GNN，输出分类结果，最终将受试者识别为健康类或PD无抑郁症状类或PD抑郁症状类。2.根据权利要求1所述的基于fMRI图神经网络的帕金森抑郁辅助识别方法，其特征在于，在自动调用SPM12软件进行数据和文件的预处理的步骤中，还包括去除起始时间点、时间层矫正、头动矫正、AC原点矫正、T1与fMRI图像配准、空间标准化、空间平滑、去线性漂移、干扰变量回归去除、低频滤波的步骤。3.根据权利要求1所述的基于fMRI图神经网络的帕金森抑郁辅助识别方法，其特征在于，在按照脑图谱使用皮尔逊相关系数指标对每个ROI时间序列之间做相关性分析的步骤中，假设每一个ROI脑区为单个节点，之间的功能连接视为带权重的双向边：定义了包含164个节点的集V＝{v1,...,v
N
}(N＝164)，同时取前20％功能连接矩阵作为节点之间的无向边权重构成边集E，最终得到图G＝(V，E)。4.根据权利要求1所述的基于fMRI图神经网络的帕金森抑郁辅助识别方法，其特征在于，建立适用于帕金森抑郁的图神经网络PR
‑
GNN步骤中，GNN部分的图卷积层具体的定义作为在i
th
层的节点特征，由此构成全节点的特征向量其中N
(l)
是在i
th
层的节点总数，因此以节点表示的前向传递更新的传播模型为：公式中注意系数α
ij
的计算如下：。5.根据权利要求1所述的基于fMRI图神经网络的帕金森抑郁辅助识别方法，其特征在于，建立适用于帕金森抑郁的图神经网络PR
‑
GNN步骤中，GNN部分的节点池化层具体使用TopKpooling方法在池化过程中筛选保留节点：通过将节点特征投映到可学习的参数中，获得重要性分数指标s
(l)
，最后取前K个s
(l)
得分最高的节点选择保留，具体计算公式如下：s
(l
‑
1)
＝H
(l
‑
1)
w
(l
‑

【专利技术属性】
技术研发人员：孙钰，符谦益，刘卫国，梁嘉炜，于淼，
申请(专利权)人：南京伯睿生命科学研究院有限公司，
类型：发明
国别省市：