[发明专利]基于图的双向长短期记忆模型诊断轻度认知障碍的装置

权利要求书

1.一种基于图的双向长短期记忆模型诊断轻度认知障碍的装置，其特征在于，所述装置使用功能性磁共振成像、动态功能连接以及基于图的双向长短期记忆人工神经网络Bi-GC-LSTM预测轻度认知障碍，装置包括：

数据预处理模块，用于通过给定阈值对功能连接矩阵进行二值化处理，获得邻接矩阵；经过二值化处理的功能连接矩阵能够反映轻度认知障碍患者大脑的脑区之间的功能连接存在着哪些异常；由于原功能连接矩阵是对称矩阵，所以保留原功能连接矩阵中上三角的元素，并将它们转换为行向量用于生成特征矩阵；

特征提取与建模模块，用于将经过预处理之后的数据通过使用AAL脑模板将全脑分为不同的脑区，并分别提取不同脑区的BOLD信号；

Bi-GC-LSTM模型，用于通过初始化hidden state h₀和cell state c₀，然后在t₀时刻接收到来自上一个单元的输出h_t-1，c_t-1以及当前时间点t的输入特征矩阵X_t与邻接矩阵A_t，经过正向GC-LSTM循环处理之后依次得到H₁到H_T，经过反向GC-LSTM循环处理之后依次得到H₁′到H_T′，将在t时刻的正向hidden state H_t与反向hidden state H′_T+1-t进行拼接形成y_t，通过softmax层对当前输入的被试进行分类预测；其中，H₁到H_T表示正向传播每个时刻t输出的隐状态，H₁′到H_T′表示反向传播每个时刻t输出的隐状态；

诊断被试是否患有轻度认知障碍模块，使用Bi-GC-LSTM模型诊断被试是否患有轻度认知障碍；

图卷积神经网络定义无向图G(V，E)用于描述116个脑区之间的连接情况，v_i∈V表示第i个脑区，e_ij∈E表示第i个脑区与第j个脑区之间的功能连接强度；

h_t-1表示在t-1时刻的hidden state，c_t-1表示在t-1时刻的cell state，A_t表示邻接矩阵，X_t表示特征矩阵，+表示进行矩阵加法，×表示矩阵乘法，*表示图卷积操作，σ表示非线性激活函数，tanh表示双曲正切函数，h_t表示t时刻的hidden state，c_t表示t时刻的cellstate；

其中，

c_t＝f_t·c_t-1+i_t·g_t

h_t＝o_t·tanh(c_t)

其中，b₁……b₄为偏移量，f_t为遗忘门，i_t为输入门，g_t为候选记忆细胞，o_t为输出门，w₁₁，w₁₂……w₄₄为权重矩阵。