一种基于不变性引导的图对比学习的脑网络图像分析方法技术

本发明专利技术公开了一种基于不变性引导的图对比学习的脑网络图像分析方法，首先使用完整的BOLD信号构建功能连接网络并以图结构的形式存储，随后通过可训练的伯努利边掩码初步将整个图划分为不变子图和冗余子图。然后，I‑GCL采用环境生成器构建一个以不变子图为核心的并具有明显数据分布偏移的混合图作为新环境，增强模型在多样化环境中捕捉不变子图的能力。将这些图数据作为对比学习中的增强视图集，增强GCL学习有效特征的能力。对比损失用于缩小不同环境中包含不变特征的图间距离，以便分类器在多种环境中保持一致的预测结果从而实现不变学习。最后，I‑GCL仅使用不变子图的特征完成疾病分类任务，以提高模型面对具有数据分布偏移的脑网络数据集的性能。

【技术实现步骤摘要】

本专利技术涉及功能性磁共振成像(functional magnetic resonance imaging，fmri)数据的大脑连接网络的建模方法，为了利用fmri数据的计算机分析脑疾病目标，设计了一种基于不变性引导的图对比学习脑疾病图像分析方法。

技术介绍

1、脑网络分析在理解复杂神经系统的生物结构和功能方面起着关键作用，有助于神经系统疾病的早期诊断并推动神经科学研究的发展。功能性磁共振成像提供了一种非侵入式解决方案，通过追踪随着时间变化自然波动的血氧水平依赖(blood oxygen leveldependent，bold)信号，来捕捉大脑中感兴趣区域(regions ofinterest，rois)之间的异常交互。基于fmri数据，可以将大脑网络建模为一个由大脑区域作为节点、感兴趣区域之间的关系作为边的网络。功能连接网络研究rois之间远程神经生理学事件之间的统计依赖性，通过统计依赖性的度量来量化大脑脑区间的活动。研究表明，脑部疾病往往与某些功能连接的异常相关。因此，脑功能网络分类已成功应用于许多脑部疾病的计算机辅助诊断中。>

2、脑功能网本文档来自技高网...

【技术保护点】

1.一种基于不变性引导的图对比学习脑网络图像分析方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于不变性引导的图对比学习脑网络图像分析方法，其特征在于：步骤一中，原始的fMRI数据经过DPARSF程序的预处理，具体步骤包括移除最初的五个时间点，进行切片时间校正，处理头部运动超过2度的情况，并排除头部水平运动超过2mm的采集脑部网络图像；后续步骤还包括序列图像的配准、平滑和滤波；最终，使用大脑分割模板将大脑划分为多个具有不同功能的感兴趣区域(ROIs)，并提取了每个ROI的平均时间序列作为特征；最后，使用大脑分割模板将大脑分割成具有不同功能的多个感兴趣区域ROI...

【技术特征摘要】

1.一种基于不变性引导的图对比学习脑网络图像分析方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于不变性引导的图对比学习脑网络图像分析方法，其特征在于：步骤一中，原始的fmri数据经过dparsf程序的预处理，具体步骤包括移除最初的五个时间点，进行切片时间校正，处理头部运动超过2度的情况，并排除头部水平运动超过2mm的采集脑部网络图像；后续步骤还包括序列图像的配准、平滑和滤波；最终，使用大脑分割模板将大脑划分为多个具有不同功能的感兴趣区域(rois)，并提取了每个roi的平均时间序列作为特征；最后，使用大脑分割模板将大脑分割成具有不同功能的多个感兴趣区域rois，并提取每个感兴趣区域roi的平均时间序列；在预处理abidei数据集的原始fmri数据后，使用aal大脑分割图谱将大脑划分为更小区域，并由此获得abidei数据集；

3.根据权利要求1所述的一种基于不变性引导的图对比学习脑网络图像分析方法，其特征在于：步骤二中，在提取不变子图和冗余子图之前，首先对图中的节点特征进行处理；考虑到脑网络数据独特的拓扑属性，设计一个3层的节点特征提取模块，其中l0是输入层，接收表示为n×n的邻接矩阵a；l1是包含了具有16个输出通道的十字交叉型滤波器，通过结合所有共享节点i和j的边的权重来更新边级特征aij，输出的维度是l2包含具有32个输出通道的1×n的卷积滤波器，从边级特征图中提取节点级特征；然后复制n次，形成的特征图，并将其输入到l3层；l3是一个具有64个输出通道的n×1的卷积滤波器再次提取节点级特征；经过节点特征提取模块后，将得到的特征图，将每一列包含的64个通道的...

【专利技术属性】
技术研发人员：刘金铎，余旻祺，冀俊忠，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：