[发明专利]发掘异质型脑功能网络的嵌入聚类的独立成分分析方法

权利要求书

1.一种发掘异质型脑功能网络的嵌入聚类的独立成分分析方法，其特征在于，包括以下步骤：

步骤1，读入多个被试的功能磁共振成像数据并进行预处理，同时根据给定的独立成分数对每个被试进行独立成分分析，得到被试个体级独立成分，用于后续分析；

步骤2，估计数据集可能包含类别数的上下界，设定类别数在此上下界范围内递增地变化，在每个类别数下进行聚类分析，并记录对应的损失值；

步骤3，根据类别数和对应的损失值绘制损失曲线，利用损失曲线的拐点来估算出数据集的最佳类别数；

步骤4，根据估算出的最佳类别数，获取最佳类别数对应的组级独立成分，以此为参考使用组信息指导的独立成分分析来反向重建出被试的个体级独立成分。

2.根据权利要求1所述的一种发掘异质型脑功能网络的嵌入聚类的独立成分分析方法，其特征在于，所述步骤1中预处理包括去除前几个时间点、时间层校正、头动校正、空间标准化、空间平滑。

3.根据权利要求1所述的一种发掘异质型脑功能网络的嵌入聚类的独立成分分析方法，其特征在于，所述步骤1中根据给定的独立成分数对每个被试进行独立成分分析，得到被试个体级独立成分，具体步骤为：首先将各被试在每个时间点上的三维功能磁共振成像数据转化为对应的行向量，得到T×V(T为时间点个数，V为体素个数)的被试个体级功能磁共振成像数据矩阵；然后在成分个数设定的情况下，对被试个体级功能磁共振成像数据矩阵在时间维度上进行主成分分析，将时间点个数降至设定的成分个数得到个体级降维数据，最后对个体级降维数据进行独立成分分析，分解得到被试个体级独立成分。

4.根据权利要求1所述的一种发掘异质型脑功能网络的嵌入聚类的独立成分分析方法，其特征在于，对于所述步骤2中每一个设定类别数，这里记为R，所述聚类分析分为无监督聚类分析和半监督聚类分析；

在所述无监督聚类分析中：第一步先将被试进行随机划分，形成R个被试组别；第二步使用组独立成分分析来提取每个组别对应的组级独立成分；第三步以得到的组级独立成分为模板，利用得到的组级独立成分和步骤1中得到的个体级独立成分间的相关系数，对个体级独立成分进行匹配；第四步计算每个个体级独立成分和各类别对应的组级独立成分间的损失，对被试进行类别划分的更新，同时检查是否达到迭代停止的条件，是则结束分析得到结果，否则返回第二步继续迭代执行；

在所述半监督聚类分析中：第一步输入对被试的划分约束信息，然后在遵循约束的条件下对被试进行随机划分；第二、三步同无监督聚类分析；第四步根据损失值对被试进行类别划分的更新，但需遵循第一步输入的约束信息，然后检查是否达到迭代停止的条件，是则结束分析得到结果，否则返回第二步继续迭代执行；

所述迭代停止的条件为：前一次划分结果的损失值与当前划分结果的损失值做差之后的绝对值小于收敛阈值或当前已进行的迭代次数大于最大迭代次数。

5.根据权利要求1所述的一种发掘异质型脑功能网络的嵌入聚类的独立成分分析方法，其特征在于，将所述步骤2中聚类分析执行若干次，然后使用多次聚类结果进行投票来得到最终的聚类结果，所述投票的具体过程为：

设定共重复执行所述聚类分析K次，每一个被试将得到K个类别标签，然后采用匈牙利算法对K个类别标签进行匹配来保证它们的一致性，最终对于每个被试得到K个经过匹配的类别标签，选择它们中的众数作为被试的最终类别标签，依次遍历所有被试，得到最终的投票结果。