[发明专利]一种大脑功能网络的社团划分方法

权利要求书

1.一种大脑功能网络的社团划分方法，其特征在于包括以下步骤：

(1)对磁共振设备采集到的大脑图像进行读取和格式转换；再进行时间矫正、头动校正、配准、分割结构像、空间标准化、平滑等预处理；最后进行低频滤波，降低低频漂移及高频的生物噪音。

(2)选定一种标准化大脑分区模板(如AAL分区模板、Brodmann分区模板、CH2分区模板等)与预处理后的核磁图像进行匹配，划分图像为p个大脑区域，每个脑区分别对应脑功能网络中的一个节点。

(3)计算磁共振图像中每个脑区所有体素的时间序列平均值，提取不同标准分区对应的时间序列，通过多元线性回归分析去除一些由头动及全局脑信号造成的伪差异。

(4)对一组实验对象的时间序列进行单样本T检验(OnesampleT-test)，用得到的组分析结果X＝{X₁,X₂,…,X_p}表示脑功能网络中所有节点的值，进而计算两两脑区间的相关系数(如Pearson相关系数、Spearman相关系数和Kendall相关系数)，得到一个归一化的时间序列相关系数矩阵R^p×p。

(5)将相关系数矩阵R中元素r_ij(i,j＝1,2,…,p)作为连接大脑功能网络节点i到节点j的权值向量初始值，找出所有r_ij中与x_i距离最小的连接权值向量r_ig。

(6)定义节点g为最优节点，定义N_g(t)为最优节点的邻域，将N_g(t)中各个节点对应的连接权值向量向x_i逼近，训练方程为：

Δrij=η(t)|xik-rij|,rij=rij+Δrij·---(1)]]>

式中，t为训练次数，η(t)为第t次训练的学习率，随训练次数的增加而递减；x_i为脑功能网络第i个节点的值；Δr_ij为节点i与节点j之间的连接权值变化量，j∈N_g(t)。

(7)当连接权值稳定时视为收敛，得出社团数目c(2≤c)和社团中心点的值V＝{v₁,v₂,...,v_c},v_i∈X^p；否则，改变训练次数，重复步骤(6)继续迭代。

(8)用一个c×n的二维隶属度矩阵U定义社团中心点与社团成员之间的关系，U中的元素u_ij代表节点j属于社团i的程度，u_ij∈[0，1]且重新确定大脑功能网络中各个社团中心点的值

式中，m∈(1,∞)为加权指数。

(9)计算目标函数J

J(X;U,V)=Σi=1cJi=Σi=1cΣjnuijm||xj-vi||2---(4)]]>

式中，||x_j-v_i||为第i个社团中心与第j个成员间的欧几里德距离。

如果J的值小于一个确定的阀值ε，或相对J上一次迭代的改变量小于阀值Δε，则算法停止，输出大脑功能网络各社团的成员和中心点；否则，执行步骤(10)。

(10)根据公式(3)修正隶属度矩阵U，其中

uij=1Σk=1c(||xj-vi||||xj-vk||)2/(m-1),1≤i≤c,1≤j≤n.---(5)]]>

并返回步骤(8)。