[发明专利]一种基于大脑功能网络特征的认知功能评分预测方法

说明书

本发明涉及生物医学信息技术领域，尤其涉及一种基于大脑功能网络特征的认知功能评分预测方法，步骤包括：将采集到的功能性磁共振图像分别构建每位受试者的大脑功能网络；计算大脑功能网络特征；基于神经心理学量表评估每位受试者的认知功能得到认知功能评分，计算每位受试者的认知功能评分与其大脑功能网络特征之间的相关系数，筛选大脑功能网络特征；建立拟合训练集中大脑功能网络特征与认知功能评分的预测模型，并将测试集中的大脑功能网络特征输入到预测模型中输出认知功能评分；引入莱维飞行优化鲸鱼算法，利用优化后的鲸鱼算法来优化预测模型中参数取值，获得优化参数后的预测模型，实现认知功能评分预测。本发明提高了预测精度。

技术领域

本发明涉及生物医学信息技术领域，尤其涉及一种基于大脑功能网络特征的认知功能评分预测方法。

背景技术

人类的大脑是由数百种不同类型的上千亿的神经细胞所构成的极为复杂的生物组织。理解大脑的结构与功能是21世纪最具挑战性的前沿科学问题，而理解认知、思维、意识和语言的神经基础则成为人类认识自然与自身的终极挑战。近年来，蓬勃发展的神经影像学技术提供了敏感生物学标记，帮助人们更好地理解大脑的结构变化与认知功能之间的潜在关系。

大脑功能网络特征是衡量脑功能网络分离能力的重要指标，主要反映网络的局部信息处理及传输能力。在探索大脑认知功能的过程中，医生通过问卷式的神经心理学量表测得受试者的认知功能评分，进而判断受试者认知功能目前所处阶段。这为人们理解认知功能机制提供了一个新的视角。但是，受试者的文化水平和情绪状态、检查者使用神经心理学量表的技巧和经验、检查的环境等均会对认知功能评分产生影响，精度低，并且整个过程耗时耗力。大脑功能网络特征已成为当前大脑影像研究中的一个热点。有研究表明，认知功能评分与大脑功能网络特征存在相关性，如何基于大脑功能网络特征获得认知功能成为本领域亟待解决的问题；

其次，机器学习算法可以从已知的事实中分析、总结出规律，并且根据规律对未来的现象或无法观测的现象做出正确的预测和判断。大型数据集的增长给数据预测带来的巨大挑战。使用传统的最小二乘法支持向量回归建立模型预测数据需要花费大量的时间，并且预测精度远远不能满足问题所需，因此提升模型的预测精度是值得关注的一个重要问题。

发明内容

本发明的目的是为了解决传统预测认知功能评分的不足之处，提供了一种新的基于大脑功能网络特征的认知功能评分预测方法，采用以下技术方案：

一种基于大脑功能网络特征的认知功能评分预测方法，包括以下步骤：

步骤1：将采集到的每位受试者对应的功能性磁共振图像进行预处理操作，分别构建每位受试者的大脑功能网络；

步骤2：计算每位受试者大脑功能网络中的拓扑属性参数，并求出拓扑属性参数的曲线下面积，即大脑功能网络特征；

步骤3：基于神经心理学量表评估每位受试者的认知功能得到认知功能评分，计算每位受试者的认知功能评分与其大脑功能网络特征之间的相关系数，基于相关系数筛选大脑功能网络特征；

步骤4：将选取的大脑功能网络特征与每位受试者的认知功能评分组成一个数据集，并将数据集划分成训练集与测试集；利用最小二乘法支持向量回归建立拟合训练集中大脑功能网络特征与认知功能评分的预测模型，并将测试集中的大脑功能网络特征输入到预测模型中输出认知功能评分；

步骤5：引入莱维飞行优化鲸鱼算法，利用优化后的鲸鱼算法来优化预测模型中参数取值，获得优化参数后的预测模型，实现认知功能评分预测。

进一步地，所述步骤1具体为：

步骤1.1：采集所有受试者的功能性磁共振图像；