[发明专利]一种基于多任务学习的多模态脑网络特征融合方法

权利要求书

1.一种基于多任务学习的多模态脑网络特征融合方法，具体包括如下步骤：

步骤1：对获取的fMRI图像、DTI图像进行预处理。

步骤2：将预处理后的fMRI图像配准到标准的AAL模板，并计算功能连接矩阵。

步骤3：将预处理后的DTI图像配准到AAL模板，计算FA值，构造结构连接矩阵；

步骤4：分别计算功能连接矩阵和结构连接矩阵每个脑区的聚类系数，作为功能特征和结构特征；

步骤5：将步骤4得到的功能特征和结构特征当作两个不同的任务，通过求解多任务学习最优化问题评定最优特征集，即得到融合后的特征集。

2.根据权利要求1所述的多模态脑网络特征融合方法，其特征在于，还包括对融合后的特征集用支持向量机进行分类的步骤。

3.根据权利要求1或2所述的多模态脑网络特征融合方法，其特征在于，步骤2所述的计算功能连接矩阵的具体过程如下：

将预处理后的fMRI图像按大脑分区模板（AAL模板）进行分区，提取每一个脑区的时间序列，并计算两两时间序列之间的皮尔逊相关系数：

rX,Y=Σi=1n(Xi-X‾)(Yi-Y‾)Σi=1n(Xi-X‾)2Σi=1n(Yi-Y‾)2]]>

其中，r_X,Y表示时间序列X和时间序列Y的相关系数，X_i表示指时间序列X的第i个时间点，n是时间点的个数；

将得到的皮尔逊相关系数作为功能网络的权值，即得到功能连接矩阵。