【技术实现步骤摘要】
本专利技术涉及医学影像信息处理领域，具体来说，是一种基于多时间尺度图嵌入的动态脑网络学习方法。
技术介绍
1、脑功能连接网络(简称脑网络)的研究对于推动神经科学和临床医学的发展具有重要的意义，有助于探索神经系统疾病和精神障碍的发病机制。过去对于脑网络的研究大多专注于静态脑网络，即认为大脑的功能连接在一段时间内是保持不变的。但越来越多的研究表明，即使大脑处于静息状态下，大脑的功能连接网络也是动态变化的。构建准确的大脑动态功能连接网络，是大脑动态分析的第一步，对于捕捉大脑动态特性、发掘大脑运作机理以及探究神经性退化等疾病发病原理具有重要的意义。
2、构建动态网络最常见的是滑动窗口分析法，该方法是按照预先设置的窗口大小，将时间序列划分成多个相等的时间窗口，利用皮尔森系数计算窗口内脑节点信号之间的相关性，表示脑区之间的连接强度，进而得到大脑的动态功能连接矩阵。然而，对于窗口大小的设置存在以下问题，小窗口划分得到的信号受到噪声的影响较大，因此利用皮尔森相关系数得到的动态脑网络可能会包含虚假的波动信息，对噪声的鲁棒性较差；而大窗口划分得...
【技术保护点】
1.一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述步骤1中划分方法为：
3.根据权利要求1所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述步骤1中，计算得到动态脑功能连接网络的方法为：
4.根据权利要求3所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述目标函数的构建方法为：
5.根据权利要求4所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述拉普拉斯矩...
【技术特征摘要】
1.一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述步骤1中划分方法为：
3.根据权利要求1所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述步骤1中，计算得到动态脑功能连接网络的方法为：
4.根据权利要求3所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述目标函数的构建方法为：
5.根据权利要求4所述的一种基于多时间尺度图嵌入的动态脑网络学习方法，其特征在于，所述拉普拉斯矩阵l的获取方法为：l＝d-w，表示脑网络的拓扑结构，其中d是无向加权图g的度矩阵。
【专利技术属性】
技术研发人员：刘素敏，杨鸿群，曹欣，杨德富，申慧，朱闻韬，
申请(专利权)人：西北大学，
类型：发明
国别省市：
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。