一种基于因果自编码器与元学习的脑效应连接学习方法技术

本发明专利技术公开了一种基于因果自编码器与元学习的脑效应连接学习方法，首先通过因果自编码器(CausalAutoencoder,CAE)对输入的fMRI时间序列数据进行编码，提取其时序空间信息，之后利用CAE中的结构方程模型(Structural equation modeling,SEM)学习脑区间的因果连接；最后，使用模型无关元学习算法(Model‑Agnostic Meta‑Learning，MAML)Reptile学习不同受试者间共享的脑效应连接元知识(指大多数被试普遍具有的脑效应连接)，并迁移到CAE，以提升模型在小样本数据上的识别能力。本发明专利技术利用元学习可以利用不同的fMRI受试者间通常共享部分相同的脑效应连接信息，有效缓解了小样本数据难以提供足够数据的问题。在静息态fMRI真实数据上的实验结果表明，本发明专利技术可以医学研究者分析人脑机理提供一种备选的辅助手段。

【技术实现步骤摘要】

本专利技术涉及fmri功能磁共振成像数据的因果发现方法，针对基于fmri的计算机辅助诊断脑疾病目标，设计了一种因果自编码器与元学习的脑效应连接学习方法。

技术介绍

1、脑效应连接网络(brain effective connectivity network)的学习是评价正常脑功能和多种脑疾病相关损伤的有效手段，故成为人脑连接组研究中的一项极为重要的科学问题。因此，利用计算方法从功能磁共振成像(functional magnetic resonanceimaging，fmri)时间序列中准确地学习脑效应连接网络已成为脑科学研究中的前沿热点。

2、已有研究表明，大脑疾病通常与脑连接异常有关，发现脑效应连接网络的差异为评估正常的大脑功能和与某些神经退行性疾病相关的大脑损伤提供了有效的方法，比如阿尔茨海默病(alzheimer’s disease，ad)，抑郁症(depression)，以及自闭症谱系障碍(autism spectrum disorder，asd)等等。

3、从fmri数据估计大脑效应连接可以表示为检测不同大脑区域之间的相互本文档来自技高网...

【技术保护点】

1.一种基于因果自编码器与元学习的脑效应连接学习方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于因果自编码器与元学习的脑效应连接学习方法，其特征在于，真实fMRI时间序列数据集是静息态fMRI数据由23名人类受试者在7分钟的fMRI会话中获得的，其中TR重复时间＝1s，共产生421个fMRI时间序列的数据点；涉及内侧颞叶的以下七个兴趣区域ROI：脊髓周围皮层分为布罗德曼36区和35区；海马旁皮层PHC；脑内皮层ERC；脑下丘SUB；海马角1CA1；以及由海马角2,3和齿状回组成的区域CA23DG。

3.根据权利要求1所述的一种基于因果自编码器与元...

【技术特征摘要】

1.一种基于因果自编码器与元学习的脑效应连接学习方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于因果自编码器与元学习的脑效应连接学习方法，其特征在于，真实fmri时间序列数据集是静息态fmri数据由23名人类受试者在7分钟的fmri会话中获得的，其中tr重复时间＝1s，共产生421个fmri时间序列的数据点；涉及内侧颞叶的以下七个兴趣区域roi：脊髓周围皮层分为布罗德曼36区和35区；海马旁皮层phc；脑内皮层erc；脑下丘sub；海马角1ca1；以及由海马角2,3和齿状回组成的区域ca23dg。

3.根据权利要求1所述的一种基于因果自编码器与元学习的脑效应连接学习方法，其特征在于，元学习训练过程定义学习任务，fmri受试者作为一个学习任务，其时间...

【专利技术属性】
技术研发人员：冀俊忠，张祚祯，刘金铎，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：