基于卷积双向门控循环单元的动态功能连接分类方法技术

本发明专利技术公开了基于卷积双向门控循环单元的动态功能连接分类方，属于脑科学研究领域。该方法包含：多尺度拓扑特征提取；双向依赖时空特征提取；双向依赖时空特征融合。首先使用卷积神经网络从每个时刻功能连接网络中提取多尺度拓扑特征。然后，它利用双向门控循环单元从多尺度拓扑特征时间序列中提取双向依赖的时空特征。最后，该方法利用一维卷积神经网络融合前、后向时空特征得到了用于分类的联合时空特征，被输入到全连接神经网络分类器进行分类。在多个脑疾病数据集上的实验结果表明，所提方法相较于其他动态功能连接分类方法有更好的分类性能。

【技术实现步骤摘要】

本专利技术属于脑科学研究领域，针对基于动态功能连接的计算机辅助诊断脑疾病目标，设计了一种基于卷积双向门控循环单元的动态功能连接分类方法。

技术介绍

1、静息态功能磁共振成像(resting state functional magnetic resonanceimaging，rs-fmri)是一种非侵入的神经成像技术，可以测量每个大脑感兴趣区域(regionofinterest，roi)的血氧水平依赖(blood oxygen level dependent，bold)信号。不同roi的bold信号之间的相关系数(如皮尔逊相关系数)量化了roi之间的功能相似性，被称为功能连接(functional connectivity，fc)。功能连接在大脑的认知过程中起着关键作用。一些研究表明，许多脑部疾病，如注意力缺陷多动障碍(attention deficit hyperactivitydisorder，adhd)、自闭症谱系障碍(autism spectrum disorder，asd)和阿尔茨海默病(alzheimer's disease，ad)都伴随着fc本文档来自技高网...

【技术保护点】

1.基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(3.1)的实施步骤如下，步骤(3.1.1)节点级拓扑特征提取；

3.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(3.2)的实施步骤如下，步骤(3.2.1)DFC双向时空特征提取：使用双向GRU从多尺度拓扑特征时间序列中提取每个时刻双向依赖的时空特征；包含前向时空特征和后向时空特征；

4.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接...

【技术特征摘要】

1.基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(3.1)的实施步骤如下，步骤(3.1.1)节点级拓扑特征提取；

3.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(3.2)的实施步骤如下，步骤(3.2.1)dfc双向时空特征提取：使用双向gru从多尺度拓扑特征时间序列中提取每个时刻双向依赖的时空特征；包含前向时空特征和后向时空特征；

4.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(3.3)中，在每折交叉验证中，使用adam自适应优化算法最小化dfc-cbgru的损失函数，并根据dfc-cbgru在验证集上的分类准确率确定神经网络的结构和超参数；使用确定参数的dfc-cbgru在测试集合上进行分类性能的测试，并将五次测试结果进行平均。

5.根据权利要求1所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(1.4)中，首先确定滑动窗口的参数，包括滑动窗口大小w，和滑动步长s，据此将fmri时间序列划分为t个相交的子集；计算每个子集中不同bold信号之间的皮尔逊相关系数，生成对应的fc矩阵；将所有fc矩阵按时间顺序排列，得到dfc张量；其中用来确定t的公式如下：

6.根据权利要求2所述的基于卷积双向门控循环单元的动态功能连接分类方法，其特征在于，步骤(3.1.1)节点级拓扑特...

【专利技术属性】
技术研发人员：冀俊忠，叶传泰，杨翠翠，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：