[发明专利]基于功能磁共振影像的孤独症生物标志物识别方法

说明书

本申请涉及基于功能磁共振影像的孤独症生物标志物识别方法，该方法充分利用大脑的拓扑结构和功能连接特性，通过图传播网络进行孤独症fMRI的识别，之后再利用注意力引导模块定位显著脑区和显著功能连接，识别出孤独症的生物标志物，以此来为模型提供可解释性，并为孤独症的病灶部位分析提供参考意义；此外通过两阶段统计学检验来验证生物标志物的可信度。

技术领域

本申请涉及生物信息识别技术领域，具体地，涉及一种基于功能磁共振影像的孤独症生物标志物识别方法。

背景技术

近年来，越来越多的研究者们将功能核磁共振影像(fMRI)用于诊断孤独症，其他医疗手段如CT、US、X射线等会对大脑造成辐射伤害，EEG信噪比高、空间分辨率低，相比之下，fMRI具有低辐射、非侵入的特点使其在孤独症等一系列脑功能诊断领域迅速占有重要地位。随着计算机辅助诊断和人工智能的迅速发展，用机器学习和深度学习的方法分析医疗数据为孤独症诊断提供很大的可能，而图结构满足大脑的拓扑结构特性，可用于非欧式空间距离的计算，更适用于脑部数据的分析，相比于传统的卷积神经网络中只把大脑特征视为一维向量这一不足，图传播网络将脑区视为节点，脑区与脑区之间的功能连接视为边为探究大脑网络提供无限可能。目前基于图传播网络的精神疾病诊断成为人工智能领域的热点，同时也取得了重大成功，但不足之处在于现有的图传播网络用于疾病诊断大都是基于大脑节点驱动，没有侧重利用功能连接的特性，同时在识别出孤独症患者后，通过节点聚集或反向传播粗略得出孤独症生物标志物后未进行进一步的解释验证，无法为模型提供可解释性。

发明内容

为了克服现有技术中的至少一个不足，本申请提供一种基于功能磁共振影像的孤独症生物标志物识别方法。

第一方面，提供一种基于功能磁共振影像的孤独症生物标志物识别方法，包括：

获取多个待识别患者脑部的功能核磁共振影像；

根据大脑图谱划分功能核磁共振影像中的各个脑区，确定功能核磁共振影像中任意两个脑区之间的相关性，得到功能连接矩阵；

构建图传播网络，图传播网络包括边驱动更新层，以各个脑区作为图传播网络的图节点，以功能连接矩阵作为图传播网络的边，基于图传播网络的边驱动更新层更新各个图节点的节点特征和各个边的边特征，得到各个图节点的更新后的节点特征和各个边的更新后的边特征；

根据更新后的节点特征，确定待识别患者为孤独症患者或者正常人；

基于所有孤独症患者对应的更新后的节点特征和更新后的边特征，确定生物标志物，生物标志物包括显著功能连接和显著脑区。

在一个实施例中，确定功能核磁共振影像中任意两个脑区之间的相关性，得到功能连接矩阵，包括：

将功能核磁共振影像和大脑图谱对齐，划分功能核磁共振影像中的各个脑区；

提取功能核磁共振影像中各个脑区的信号；

计算功能核磁共振影像中任意两个脑区的信号之间的相关性，构成功能连接矩阵。

在一个实施例中，基于图传播网络的边驱动更新层更新各个图节点的节点特征和各个边的边特征，得到各个图节点的更新后的节点特征和各个边的更新后的边特征，包括：

边驱动更新层包括多个中间层；每个中间层用于更新各个图节点的节点特征和各个边的边特征，包括：

对于第k个中间层，将第k个中间层的图传播系数矩阵作用在第k-1个中间层得到的更新后的功能连接矩阵上进行点乘运算，得到点乘结果，即第k个中间层更新后的功能连接矩阵，更新后的功能连接矩阵包括各个边的更新后的边特征；

将点乘结果与第k-1个中间层得到的更新后的节点特征向量进行张量相乘，得到第k个中间层的更新后的节点特征向量，更新后的节点特征向量包括各个图节点的更新后的节点特征。