[发明专利]一种基于连边功能连接的脑影像特征提取方法

权利要求书

1.一种基于连边功能连接的脑影像特征提取方法，其特征在于，具体包括以下步骤：

S1：纳入受试者静息态功能磁共振数据，并对其进行图像预处理和脑区时间序列提取操作，得到每个大脑区域的平均时间序列；

S2：构建连边功能连接初始特征向量；

所述S2中构建连边功能连接初始特征向量的构建过程包括数据标准化、计算连边时间序列、计算连边功能连接矩阵和特征向量展开；

所述数据标准化：对步骤S1提取的脑区时间序列进行Z-score标准化，将时间序列数据变换为均值为0、标准差为1的正态分布，再将时间序列数据变换到[0,1]的范围内，数据标准化公式如下：

式中：x_i表示某个节点的BOLD时间序列，μ_i和σ_i表示该序列的平均值和标准差；

所述计算连边时间序列：计算N个大脑区域中两两之间时间序列的点积，点积即为连边时间序列，连边时间序列表示两个节点在每一时刻的共波动幅度；当两个区域的活动在同一时刻向同一方向偏转时，共波动值为正，当活动在相反方向偏转时为负，当活动接近基线时为零；

计算连边时间序列公式如下：

c_ij＝[z_i(1)·z_j(1),...,z_i(T)·z_j(T)]            (0-2)

式中：c_ij为任意两个脑区之间的连边时间序列，z_i(t)和z_j(t)表示两个标准化后的节点时间序列，T是时间点；

所述计算连边功能连接矩阵：

1)计算连边时间序列对之间进行共变关系，连边时间序列对之间进行共变关系公式如下：

式中：eFC_ij,uv为两对脑区之间的连边功能连接，i,j,u和v为任意四个脑区；

2)对所有连边时间序列对都进行这样的计算；

所述连边功能连接矩阵是逐边矩阵，所述连边功能连接矩阵是完全加权的[M×M]矩阵，其中，N是大脑划分的节点数，

S3：对初始特征集合进行10²-10⁴次不放回随机采样，单次采样的个数根据nFC维度灵活调整；

S4：特征选择及融合；

S5：将重构的特征向量作为受试者分类的最终特征送入分类器，结果显示新的特征显著提高了分类性能。

2.根据权利要求1所述的基于连边功能连接的脑影像特征提取方法，其特征在于，所述S1中图像预处理包括时间层校正、头动校正、归一化、干扰信号回归、带通滤波、图像配准。

3.根据权利要求2所述的基于连边功能连接的脑影像特征提取方法，其特征在于，所述特征向量展开：取连边功能连接矩阵下三角部分的元素，再展开成一维向量作为受试者的初始特征向量。

4.根据权利要求3所述的基于连边功能连接的脑影像特征提取方法，其特征在于，所述S4具体操作步骤；

1)采样出来的特征集通过随机森林分类器得到集合内特征的重要性排序；

2)设定特征重要性阈值获得由高权重特征组成的子集，然后融合10²-10⁴次采样的特征子集以获得分类和脑区定位的最终特征。