一种基于动态图卷积的大脑状态分类识别方法及其系统技术方案

本发明专利技术涉及生物特征识别技术领域，具体涉及一种基于动态图卷积的大脑状态分类识别方法及其装置，该方法包括获取大脑一时间段内的fMRI数据；获取功能连接矩阵；获取图卷积模型，将待识别大脑对应的功能连接矩阵通过图卷积模型获取对应的大脑功能状态。本发明专利技术有效地利用时序信息，对大脑在不同时间点的状态进行建模和分类。

【技术实现步骤摘要】

本专利技术涉及生物特征识别，具体涉及一种基于动态图卷积的大脑状态分类识别方法及其系统。

技术介绍

1、基于血氧水平依赖(blood oxygen-level dependent,bold)的功能磁共振成像(functional magnetic resonance imaging,fmri)技术是目前应用最广泛的脑功能成像技术之一。fmri利用bold对比度增强原理对脑功能活动进行成像，具有被试无创、时空分辨率相对均衡、高可重复性和可全脑成像等特点，为研究脑认知、脑发育老化以及重大神经精神疾病的脑影像提供了重要的技术手段。大脑作为一个极其复杂的系统，涉及大量神经元之间的连接，了解大脑的工作机制是一项重要的挑战。研究已经发现，大脑可以被表示为一个网络，其中不同区域以特定的模式相互连接。其中，一些区域被认为是大脑网络中的有影响力的关键节点，它们在神经信息处理中起到重要作用。例如，大脑网络中的高度连接区域被称为大脑网络枢纽，它们在促进大脑不同部分之间的信息交流方面发挥着关键作用。因此，在使用fmri对大脑状态分类识别的任务中，如何选择合适的分类特征并构建分类器成本文档来自技高网...

【技术保护点】

1.一种基于动态图卷积的大脑状态分类识别方法，其特征在于，包括：

2.根据权利要求1所述的基于动态图卷积的大脑状态分类识别方法，其特征在于，所述对每一时间点的fMRI数据进行划分获取148个区域，包括：

3.根据权利要求1所述的基于动态图卷积的大脑状态分类识别方法，其特征在于，所述预设邻接矩阵，包括：

4.根据权利要求1所述的基于动态图卷积的大脑状态分类识别方法，其特征在于，所述基于一阶切比雪夫多项式拟合图卷积进行特征学习时，即在空间域使用一阶切比雪夫多项式来拟合频域中图卷积操作，如下公式所示：

5.根据权利要求4所述的基于动态图卷积的大脑...

【技术特征摘要】

1.一种基于动态图卷积的大脑状态分类识别方法，其特征在于，包括：

2.根据权利要求1所述的基于动态图卷积的大脑状态分类识别方法，其特征在于，所述对每一时间点的fmri数据进行划分获取148个区域，包括：

3.根据权利要求1所述的基于动态图卷积的大脑状态分类识别方法，其特征在于，所述预设邻接矩阵，包括：

4.根据权利要求1所述的基于动态图卷积的大脑状态分类识别方法，其特征在于，所述基于一阶切比雪夫多项式拟合图卷积进行特征学习时，即在空间域使用一阶切比雪夫多项式来拟合频域中图卷积操作，如下公式所示：

5.根据权利要求4所述的基于动...

【专利技术属性】
技术研发人员：张枢，朱迪，康艳晴，王嘉琪，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：