【技术实现步骤摘要】
本专利技术实施例涉及大脑皮层研究，尤其涉及一种基于动态特征的大脑分区链接维度构造方法及设备。
技术介绍
1、人类大脑皮层是一层薄薄的神经组织，大脑皮层的不同区域具有其特定的功能，为人类产生感觉和运动功能以及区别于其他动物的高级认知功能提供了基底，并且复杂的行为产生于神经信号在不同皮层区域的网络中的转换，因此皮层区域被认为是大脑神经处理的假定原子，而皮层区域的定义也成为了系统神经科学研究的重要课题，所以准确标记大脑皮层区域对不断完善脑科学和临床研究具有极其重要的意义。目前，相关技术中主要采用同质性假设将大脑划分成离散静态的皮层区域或功能网络，一方面可能无法表示大脑皮层区域内的功能异质性和功能多样性，另一方面由于存在功能的异质性和多样性，可能造成错误的区域估计。同时，将大脑划分成离散且静态的区域或功能网络忽略了解剖学中大脑区域是按照地形组织进行空间排列这一重要特征，因此隐藏了对执行某些神经计算至关重要的功能组织的局部或全局结构分布信息。因此，开发一种基于动态特征的大脑分区链接维度构造方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。
技术实现思路
1、针对现有技术存在的上述问题，本专利技术实施例提供了一种基于动态特征的大脑分区链接维度构造方法及设备。
2、第一方面，本专利技术的实施例提供了一种基于动态特征的大脑分区链接维度构造方法，包括：对获取的大脑功能磁共振成像数据进行分区处理得到分区数据；将所述分区数据拟合成不同区块大小的时长序列，构建每个时长
3、在上述方法实施例内容的基础上，本专利技术实施例中提供的基于动态特征的大脑分区链接维度构造方法，所述将所述分区数据拟合成不同区块大小的时长序列，包括：
4、
5、其中，ar为时长序列数量；t为大脑功能磁共振成像数据中包含的时刻点数量；c为拟合的宽度范围；b为拟合的步长；所述构建每个时长序列的功能模型，包括：
6、
7、其中，δn为第n个拟合区段的时长序列的功能模型，n＝1,...,ar；为第一个分区中的第n个拟合区段的归一化后的时长序列；为第i个分区中的第n个拟合区段的归一化后的时长序列；为第q个分区中的第n个拟合区段的归一化后的时长序列；q为分区的数量。
8、在上述方法实施例内容的基础上，本专利技术实施例中提供的基于动态特征的大脑分区链接维度构造方法，所述将所有功能模型进行链接得到动态功能链接模型，包括：
9、
10、其中，ρ为第i个分区中的第n个拟合区段的归一化后的时长序列，与第j个分区中的第n个拟合区段的归一化后的时长序列的链接系数；为的均值；为的均值；动态功能链接模型包括：
11、ηn＝(δn)tδn+δn
12、min||δn||f
13、其中，ηn为第n个拟合区段的时长序列的动态功能链接模型；t为转置符号；δn为第n个拟合区段的时长序列的溢出模型；||·||f为取f范数符号；min为取最小值符号。
14、在上述方法实施例内容的基础上，本专利技术实施例中提供的基于动态特征的大脑分区链接维度构造方法，所述构建动态功能链接模型的动态功能链接维度，包括：通过构建不同数据、不同拟合长度、不同分区数量、不同特征值的动态功能链接维度，检测动态功能链接模型的重复性和可靠性。
15、在上述方法实施例内容的基础上，本专利技术实施例中提供的基于动态特征的大脑分区链接维度构造方法，所述动态功能链接维度，包括：
16、
17、
18、其中，←为赋值符号；为ηn的第m-1次维度更新结果；sm为维度更新步长；ξ为动态功能链接模型的超参数；为求偏导符号；lst为动态功能链接模型的标准化拉普拉斯矩阵；为动态功能链接模型的目标函数。
19、在上述方法实施例内容的基础上，本专利技术实施例中提供的基于动态特征的大脑分区链接维度构造方法，所述提取动态功能链接维度中解释方差大于预定阈值的维度进行加权融合，包括：
20、
21、其中，φ为预定阈值；τa为第a个动态功能链接模型的解释方差；λa为第a个动态功能链接模型的特征值；λn为第n个动态功能链接模型的特征值；权重采用softmax函数进行工程求解得到，则加权融合的结果包括：
22、
23、其中，λ为最终动态功能链接模型的特征值；rφ为解释方差大于预定阈值φ的所有动态功能链接模型的特征值组成的集合；为解释方差大于预定阈值φ的动态功能链接模型的特征值；为采用softmax函数生成的对应的权重。
24、在上述方法实施例内容的基础上，本专利技术实施例中提供的基于动态特征的大脑分区链接维度构造方法，所述对获取的大脑功能磁共振成像数据进行分区处理得到分区数据，包括：将获取的大脑功能磁共振成像数据的格式转化为预定格式，剔除预定数量的时刻点，对大脑功能磁共振成像数据中的头动进行校正，对校正后的数据进行带通滤波，采用脑网络分区模板对滤波后的数据进行分区并从分区数据中提取预定时长序列。
25、第二方面，本专利技术的实施例提供了一种基于动态特征的大脑分区链接维度构造装置，包括：第一主模块，用于实现对获取的大脑功能磁共振成像数据进行分区处理得到分区数据；第二主模块，用于实现将所述分区数据拟合成不同区块大小的时长序列，构建每个时长序列的功能模型，将所有功能模型进行链接得到动态功能链接模型，提取动态功能链接模型的所有特征值；第三主模块，用于实现构建动态功能链接模型的动态功能链接维度，提取动态功能链接维度中解释方差大于预定阈值的维度进行加权融合，得到最终动态功能链接模型，采用sobel算子和功能多样性曲线对最终动态功能链接模型进行边界推定；第四主模块，用于实现提取最终动态功能链接模型中的维度分数、维度范围和维度方差，采用分类器对所述维度分数、维度范围和维度方差进行分类，并根据分类结果对精神疾病进行预测。
26、第三方面，本专利技术的实施例提供了一种电子设备，包括：
27、至少一个处理器、至少一个存储器和通信接口；其中，
28、所述处理器、存储器和通信接口相互间进行通信；
29、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，执行第一方面的各种实现方式中任一种实现方式所提供的基于动态特征的大脑分区链接维度构造方法。
30、第四方面，本专利技术的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存本文档来自技高网...
【技术保护点】
1.一种基于动态特征的大脑分区链接维度构造方法，其特征在于，包括：对获取的大脑功能磁共振成像数据进行分区处理得到分区数据；将所述分区数据拟合成不同区块大小的时长序列，构建每个时长序列的功能模型，将所有功能模型进行链接得到动态功能链接模型，提取动态功能链接模型的所有特征值；构建动态功能链接模型的动态功能链接维度，提取动态功能链接维度中解释方差大于预定阈值的维度进行加权融合，得到最终动态功能链接模型，采用sobel算子和功能多样性曲线对最终动态功能链接模型进行边界推定；提取最终动态功能链接模型中的维度分数、维度范围和维度方差，采用分类器对所述维度分数、维度范围和维度方差进行分类，并根据分类结果对精神疾病进行预测。
2.根据权利要求1所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述将所述分区数据拟合成不同区块大小的时长序列，包括：
3.根据权利要求2所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述将所有功能模型进行链接得到动态功能链接模型，包括：
4.根据权利要求3所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，
5.根据权利要求4所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述动态功能链接维度，包括：
6.根据权利要求5所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述提取动态功能链接维度中解释方差大于预定阈值的维度进行加权融合，包括：
7.根据权利要求6所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述对获取的大脑功能磁共振成像数据进行分区处理得到分区数据，包括：将获取的大脑功能磁共振成像数据的格式转化为预定格式，剔除预定数量的时刻点，对大脑功能磁共振成像数据中的头动进行校正，对校正后的数据进行带通滤波，采用脑网络分区模板对滤波后的数据进行分区并从分区数据中提取预定时长序列。
8.一种基于动态特征的大脑分区链接维度构造装置，其特征在于，包括：第一主模块，用于实现对获取的大脑功能磁共振成像数据进行分区处理得到分区数据；第二主模块，用于实现将所述分区数据拟合成不同区块大小的时长序列，构建每个时长序列的功能模型，将所有功能模型进行链接得到动态功能链接模型，提取动态功能链接模型的所有特征值；第三主模块，用于实现构建动态功能链接模型的动态功能链接维度，提取动态功能链接维度中解释方差大于预定阈值的维度进行加权融合，得到最终动态功能链接模型，采用sobel算子和功能多样性曲线对最终动态功能链接模型进行边界推定；第四主模块，用于实现提取最终动态功能链接模型中的维度分数、维度范围和维度方差，采用分类器对所述维度分数、维度范围和维度方差进行分类，并根据分类结果对精神疾病进行预测。
9.一种电子设备，其特征在于，包括：
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使计算机执行权利要求1至7中任一项权利要求所述的方法。
...【技术特征摘要】
1.一种基于动态特征的大脑分区链接维度构造方法，其特征在于，包括：对获取的大脑功能磁共振成像数据进行分区处理得到分区数据；将所述分区数据拟合成不同区块大小的时长序列，构建每个时长序列的功能模型，将所有功能模型进行链接得到动态功能链接模型，提取动态功能链接模型的所有特征值；构建动态功能链接模型的动态功能链接维度，提取动态功能链接维度中解释方差大于预定阈值的维度进行加权融合，得到最终动态功能链接模型，采用sobel算子和功能多样性曲线对最终动态功能链接模型进行边界推定；提取最终动态功能链接模型中的维度分数、维度范围和维度方差，采用分类器对所述维度分数、维度范围和维度方差进行分类，并根据分类结果对精神疾病进行预测。
2.根据权利要求1所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述将所述分区数据拟合成不同区块大小的时长序列，包括：
3.根据权利要求2所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述将所有功能模型进行链接得到动态功能链接模型，包括：
4.根据权利要求3所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述构建动态功能链接模型的动态功能链接维度，包括：通过构建不同数据、不同拟合长度、不同分区数量、不同特征值的动态功能链接维度，检测动态功能链接模型的重复性和可靠性。
5.根据权利要求4所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述动态功能链接维度，包括：
6.根据权利要求5所述的基于动态特征的大脑分区链接维度构造方法，其特征在于，所述提...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。