一种面向rs-fMRI影像的精神疾病辅助诊断方法技术

本发明专利技术公开了一种面向rs‑fMRI影像的精神疾病辅助诊断方法，涉及图神经网络领域，获取N个受试者对应的rs‑fMRI影像数据及表型数据，确定S种不同脑图谱下定义的大脑区域并确定受试者在各脑图谱下对应的特征向量，以便确定各脑图谱下的成像数据输入图；确定非成像数据输入图并结合具备M层深度图卷积能力的预设自适应多通道融合卷积模型确定最终嵌入表示，据此预测各受试者所属的疾病类型。本申请很好地集成了rs‑fMRI影像数据与表型数据，实现了多模态多尺度的输入图的确定，且多尺度的卷积模型将图卷积扩展到了更深的结构，具有更强的表达能力，利于从多个尺度空间中确定出更精确地嵌入表示，提高了预测结果的准确性。

【技术实现步骤摘要】

本专利技术涉及图神经网络，具体而言，涉及一种面向rs-fmri影像的精神疾病辅助诊断方法。

技术介绍

1、精神类疾病已成为全球日益严重的健康问题之一，且呈现年轻化的趋势，目前，对于精神疾病的诊断主要是依靠医生的主观经验、谈话以及相关量表的测量，不可避免地容易导致漏诊或误诊，且一些复杂的精神疾病越来越难以通过人工来诊断，医学图像技术的发展使得计算机辅助诊断精神疾病成为可能，准确的临床预测模型可以帮助医生在早期阶段识别潜在的风险并及时制定治疗计划。

2、由于精神疾病通常与大脑连接模式相关，因此可以将rs-fmri(静息态功能磁共振成像)数据看作图模型数据，目前面向医学图像的研究大多集中于深度学习方法如cnn(convolutional neuralnetworks，卷积神经网络)，与传统机器学习相比，深度学习方法的性能有所提升，但是两者都不能很好地推广到图模型那样的非欧式数据类型，因此，gcn(graph convolution network，图卷积神经网络)被提出用于对rs-fmri影像数据的建模，以将欧式数据例如2d或者3d图像的卷积运算推广本文档来自技高网...

【技术保护点】

1.一种面向rs-fMRI影像的精神疾病辅助诊断方法，其特征在于，包括：

2.如权利要求1所述的面向rs-fMRI影像的精神疾病辅助诊断方法，其特征在于，基于所述大脑区域、所述rs-fMRI影像数据及预设影像数据预处理策略确定所述受试者在各所述脑图谱下对应的特征向量，包括：

3.如权利要求2所述的面向rs-fMRI影像的精神疾病辅助诊断方法，其特征在于，确定所述功能连接矩阵的特征向量之后，还包括：

4.如权利要求1所述的面向rs-fMRI影像的精神疾病辅助诊断方法，其特征在于，根据所述特征向量及预设成像数据图构建策略确定各所述脑图谱下的成像数据输入图，...

【技术特征摘要】

1.一种面向rs-fmri影像的精神疾病辅助诊断方法，其特征在于，包括：

2.如权利要求1所述的面向rs-fmri影像的精神疾病辅助诊断方法，其特征在于，基于所述大脑区域、所述rs-fmri影像数据及预设影像数据预处理策略确定所述受试者在各所述脑图谱下对应的特征向量，包括：

3.如权利要求2所述的面向rs-fmri影像的精神疾病辅助诊断方法，其特征在于，确定所述功能连接矩阵的特征向量之后，还包括：

4.如权利要求1所述的面向rs-fmri影像的精神疾病辅助诊断方法，其特征在于，根据所述特征向量及预设成像数据图构建策略确定各所述脑图谱下的成像数据输入图，包括：

5.如权利要求1所述的面向rs-fmri影像的精神疾病辅助诊断方法，其特征在于，基于所述表型数据及预设非成像数据图构建策略确定非成像数据输入图，包括：

6.如权利要求1至5任一项所述的面向rs-fmri影像的精神疾病辅助诊断方法，其特征在于，根据所述成像数据输...

【专利技术属性】
技术研发人员：潘嘉诚，董一鸿，
申请(专利权)人：宁波城市职业技术学院，
类型：发明
国别省市：