【技术实现步骤摘要】
本专利技术涉及脑成像与人工智能领域，涉及一种基于跨模态对比学习的大脑毒品成瘾回路的识别方法。
技术介绍
1、毒品成瘾是严重危及个人与社会的难题，对个人来说毒品成瘾导致严重的身心损害，包括认知功能减退、情绪障碍、免疫系统受损，甚至引发暴力倾向和犯罪行为。毒品成瘾破坏家庭和谐，导致亲密关系疏离、经济负担加重，甚至引发家暴等问题。
2、目前毒品成瘾的研究匮乏，毒品成瘾回路和药物作用的靶点尚不明确。现有干预手段(药物治疗、心理咨询等)针对成瘾的复发率仍较高，部分治疗方法存在副作用，亟需探索新的干预手段与药物治疗方式。且将多模态脑网络与深度学习相结合的研究尚属少数。
3、传统的机器学习包括支持向量机(svm)、随机森林(rf)和线性判别分析(lda)等方法。深度学习包括基于卷积的神经网络(cnn)和自动编码器(ae)的端到端模型，能够自动学习高级表征；图神经网络(gnn)则进一步利用脑网络结构进行节点与边的联合建模。但以上方法依旧局限于单一模态，性能难以提升，且单一数据源往往难以全面刻画脑部病理变化；特别是rs-fmri数...
【技术保护点】
1.一种基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，结构协变图的子图Gsc(X’sc，A’sc)和功能连接图的子图Gfc(X’fc，A’fc)的生成方法如下：
3.根据权利要求1所述的基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，子图Gsc、子图Gfc的交叉熵损失Lfc、Lsc计算公式如下：
4.根据权利要求1所述的基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，KL散度的计算公式如下：
<...【技术特征摘要】
1.一种基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，结构协变图的子图gsc(x’sc，a’sc)和功能连接图的子图gfc(x’fc，a’fc)的生成方法如下：
3.根据权利要求1所述的基于跨模态对比学习的大脑毒品成瘾回路的识别方法，其特征在于，子图gsc、子图gfc的交叉熵损失lfc、lsc计算公式如下：
4.根据权利要求1...
【专利技术属性】
技术研发人员：王乐浩，鲁毅，朱梅，徐玉，潘俊希，杨文，杜金泽，孙加学，王昆华，
申请(专利权)人：云南大学，
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。