[发明专利]一种基于自适应熵投影聚类算法的fMRI特征提取及分类方法

权利要求书

1.一种基于自适应熵投影聚类算法的fMRI特征提取及分类方法，包括如下步骤：

(1)对获取到的a组甲类试验参与者和b组甲类试验参与者静息态fMRI数据进行预处理，消除外界干扰信号并将所有采集到的实验数据标准化到统一的时间和空间域；所述的预处理过程通过SPM8软件实现，包括时间层校准，头动校正，空间标准化和空间平滑；

(2)构建甲类功能连接矩阵A，乙类功能连接矩阵B；

(3)构建甲类动态功能连接矩阵D_A，乙类动态功能连接矩阵D_B；

(4)对甲类动态功能连接矩阵和乙类动态功能连接矩阵分别进行聚类，形成两组聚类中心S_a和R_b；

(5)构建甲类试验参与者的相似性矩阵G_a，乙类试验参与者的相似性矩阵G_b；

(6)提取G_a中a×k元素作为甲类试验参与者的特征，并提取G_b中b×k元素作为乙类试验参与者的特征，训练SVM分类器，用于识别甲、乙两类脑部状态；所述步骤(3)中的构成动态功能连接矩阵是指：设定时间序列总长度为l，单个滑动窗口大小为r，滑动步长为v，则表示由时间序列l划分得到的滑动窗口个数m，每个滑动窗口为一个90×90的矩阵，每个试验参与者有m个90×90动态功能连接矩阵，故甲类试验参与者有a×m个90×90的动态功能连接矩阵，乙类试验参与者b×m个90×90的动态功能连接矩阵；所述步骤(2)中的构成功能连接矩阵是指：预处理后的图像，对照解剖学标签模板，获取90个脑区的平均体素时间序列，求取各脑区间的皮尔逊相关系数，则甲类有a个90×90的功能连接矩阵A，乙类有b个90×90的功能连接矩阵B；所述步骤(4)中的聚类中心S_a和R_b是指：提出一种自适应熵的投影聚类算法，即AEPC，对a×m个甲类试验参与者的动态功能连接矩阵采用AEPC进行聚类，形成k个90×90的矩阵，聚类中心矩阵表示为S_a；对b×m个乙类试验参与者的动态功能连接矩阵用AEPC聚类，也形成k个90×90的矩阵，聚类中心矩阵表示为R_b。

2.根据权利要求1所述的一种基于自适应熵投影聚类算法的fMRI特征提取及分类方法，其特征在于，所属步骤(5)中的相似性矩阵G_a和G_b是指：计算每个甲类试验参与者的功能连接矩阵与每个甲类试验参与者聚类中心S_a之间的欧式距离，形成相似性矩阵G_a；计算每个乙类试验参与者的功能连接矩阵与每个乙类试验参与者聚类中心R_b之间的欧式距离，形成相似性矩阵G_b。