[发明专利]功能脑网络构建方法、装置、电子设备及可读存储介质

说明书

本申请提供一种功能脑网络构建方法、装置、电子设备及可读存储介质，包括：获取神经数据；采用社区检测算法对所述神经数据进行处理，获得社区；根据所述神经数据、所述社区和预设滑动时间窗口，获得表征功能脑网络连接模式的数据；根据所述表征功能脑网络连接模式的数据结合动力学模型拟合得到功能脑网络连接模型。在本申请中，采用社区检测算法获得社区而非根据研究者的先验知识，使得本申请可以避免因为依赖经验而遗漏潜在关键脑区，从而可以在一定程度上避免神经数据信号间出现伪相关。

技术领域

本发明涉及复杂系统技术领域，具体涉及一种功能脑网络构建方法、装置、电子设备及可读存储介质。

背景技术

目前，对于功能脑网络的分析与研究是复杂系统研究领域中热点技术。当前针对功能脑网络的研究方法以统计分析为主。即主要通过研究者依据先验知识确定出功能脑网络中所需研究的目标区域，然后计算不同目标区域间活跃程度的相关性，从而得到特定状态(静息态或任务态)下功能脑网络不同目标区域间的正相关或反相关关系。由于目标区域是依赖于研究者的先验知识确定出的，这就导致研究过程中容易忽视功能脑网络各区域间的神经数据中潜在的脑网络连接特征。而由于容易忽视功能脑网络各区域间的神经数据中潜在的脑网络连接特征，就导致目前的统计分析方法难以识别出神经数据信号间的伪相关，导致研究结果常常不可靠。

发明内容

本申请实施例的目的在于提供一种功能脑网络构建方法、装置、电子设备及可读存储介质，以解决现有技术中，使用统计分析方法研究功能脑网络连接模式导致的忽略神经数据中潜在的脑网络连接特征，进而导致难以识别出神经数据信号间的伪相关的问题。

本申请实施例提供了一种功能脑网络构建方法，包括：获取神经数据；采用社区检测算法对所述神经数据进行处理，获得社区；根据所述神经数据、所述社区和预设滑动时间窗口，获得表征功能脑网络连接模式的数据；根据所述表征功能脑网络连接模式的数据，获得脑网络状态转移模型。

在上述实现过程中，采用社区检测算法对神经数据进行处理，获得社区，而基于社区检测算法对神经数据进行处理，就可以实现对于神经数据的全面、客观地分析，从而相较于依赖研究者的先验知识，进而要求研究者依据经验筛选出目标区域(即本申请中的社区)的方式，本申请可以实现对于社区的更全面、准确的确定，避免因为依赖经验而遗漏关键目标区域，从而可以在一定程度上避免神经数据信号间出现伪相关。

进一步地，根据所述神经数据、所述社区和预设滑动时间窗口，获得表征功能脑网络连接模式的数据，包括：对同一社区内的所述神经数据进行预处理，得到预处理后的神经数据；对所述预处理后的神经数据进行希尔伯特变换，获得相位信号；根据所述预设滑动时间窗口内的相位信号，获得表征功能脑网络连接模式的数据。

在上述实现过程中，本申请对预处理后的神经数据进行希尔伯特变换，获得相位信号，进而根据预设滑动时间窗口内的相位信号，获得表征功能脑网络连接模式的数据。由于相位信号能较好地反映神经数据信号的振荡情况，因此根据预设滑动时间窗口内的相位信号，获得的表征功能脑网络连接模式的数据，可以更好的反映功能脑网络的连接模式。

进一步地，根据所述预设滑动时间窗口内的相位信号，获得表征功能脑网络连接模式的数据，包括：采用藏本模型对所述预设滑动时间窗口内的相位信号进行拟合，获得所述预设滑动时间窗口内表征各社区间耦合方式的矩阵；根据所述预设滑动时间窗口内表征各社区间耦合方式的矩阵，获得表征功能脑网络连接模式的数据。

在上述实现过程中，本申请采用藏本模型对预设滑动时间窗口内的相位信号进行拟合，获得预设滑动时间窗口内表征各社区间耦合方式的矩阵，进而获得表征功能脑网络连接模式的数据。采用这种方法，使得获得的功能脑网络的连接模式有物理模型作为基础，可以从机制层面解释脑区信号的变化，从而增强研究的因果链。