[发明专利]一种基于随机分块模型的脑结构网络连接优化方法

权利要求书

1.一种基于随机分块模型的脑结构网络连接优化方法，其特征在于：该方法是采用如下步骤实现的：

步骤S1：对磁共振扩散加权影像进行预处理，然后根据选定的标准化脑图谱，对预处理后的磁共振扩散加权影像进行区域分割；

步骤S2：采用纤维束追踪算法，将预处理后的磁共振扩散加权影像映射到选定的标准化脑图谱中，然后根据纤维束追踪的结束条件，计算两两脑区间的纤维束数量，由此得到脑区间的纤维束数量矩阵；

步骤S3：设定阈值，然后根据阈值对脑区间的纤维束数量矩阵进行二值化处理，由此得到脑结构网络模型；

步骤S4：采用符号检验方法，构建基于多个脑结构网络模型样本的脑结构中枢网络模型；

步骤S5：采用随机分块模型算法，对脑结构中枢网络模型中的连接进行可信度计算；

步骤S6：根据可信度计算结果，对脑结构中枢网络模型进行重构优化；

所述步骤S5中，可信度计算的步骤具体如下：

步骤S51：遍历脑结构中枢网络模型中的所有节点，并对所有节点进行随机分组，然后计算所有组的组内现有连接数、组内最大连接数、组间现有连接数、组间最大连接数；

步骤S52：根据随机分组结果，计算两两节点间的连接可信度值；计算的公式具体表示如下：

RijL=lσiσj+1rσiσj+2---(1);]]>

公式(1)中：表示节点i与节点j存在连接的可信度值；表示节点i所在的组σ_i与节点j所在的组σ_j之间的现有连接数；表示节点i所在的组σ_i与节点j所在的组σ_j之间的最大连接数；

步骤S53：根据随机分组结果，对所有节点进行重新分组，然后重新计算所有组的组内现有连接数、组内最大连接数、组间现有连接数、组间最大连接数；重新分组的步骤具体如下：随机选择一个节点i，并假设节点i属于组α中，然后根据添加规则将节点i添加到随机选择的一个组β中；添加规则具体表示如下：

DH=ln(rαβ+1)+lnlαβrαβ---(2);]]>

公式(2)中：DH表示在某种特定的分组下，组α与组β之间连接数的关系；l_αβ表示组α与组β中存在连接的连接数；r_αβ表示组α与组β中可以存在的最大的连接数；若在两种不同的分组情况下，对所有组两两之间的DH求和，记为∑DH，若两种分组情况下的差值Δ(∑DH)≤0.0，则将节点i从组α添加到组β中；

步骤S54：计算所有可能的分组后两两节点间的连接可信度值；计算公式具体表示如下：

RijL,=1ZΣp∈P(l,σiσj+1r,σiσj+2)exp[-H(p)]---(3);]]>

H(p)=Σα≤β[ln(rαβ+1)+lnlαβrαβ]---(4);]]>

Z=ΣP∈pexp[-H(P)]---(5);]]>

公式(3)-(5)中：表示重新分组后节点i与节点j之间的连接可信度值；Z表示在每种分组情况下求得的划分函数的总和；p表示某一特定分组；P表示分组空间；表示重新分组后节点i所在的组σ_i与节点j所在的组σ_j之间的现有连接数；表示重新分组后节点i所在的组σ_i与节点j所在的组σ_j之间的最大连接数；H(p)表示进行分组的函数；l_αβ表示组α与组β中存在连接的连接数；r_αβ表示组α与组β中可以存在的最大的连接数。