[发明专利]基于加权网络的大脑功能连接模块划分方法

摘要

本发明涉及一种基于加权网络的大脑功能连接模块划分方法，主要步骤为：对大脑功能磁共振成像进行预处理并与标准分区模板匹配，提取各个脑区对应的时间序列；采用滑窗法分离每个窗口对应的子时间序列，将所有窗口的相关系数矩阵组合，构建大脑功能连接的动态加权网络；由介数率得出考虑权重时加权网络的边介数，计算忽略权重的边介数、介数率和连接边权重的比值，并移除该比值最大的连接边；输出模块划分结果并计算模块度的值，直到网络中没有可以移除的连接边为止；输出模块度的最大值对应的模块划分结果。该方法综合考虑了大脑功能连接的动态特征与权值变化，弥补了传统模块划分方法忽略时变特性和对权值进行简单阈值化处理的不足。

主权项

1.基于加权网络的大脑功能连接模块划分方法，其特征在于包括以下步骤：(1)对大脑功能磁共振成像进行预处理，采用标准化大脑分区模板与预处理后的图像进行匹配，提取各个脑区对应的时间序列；(2)采用滑窗法分离每个窗口对应的子时间序列，计算同一窗口下各个脑区的子时间序列之间的相关系数，并将所有窗口的相关系数矩阵组合，构建大脑功能连接的动态加权网络；(3)定义W_i,j为任意两个节点i和j连接边的权重，由介数率Pc_i,j得出考虑权重时加权网络的边介数的值，式中：是调节介数率影响的控制参数；(4)计算忽略权重的边介数Bi,j与Pci,j/Wi,j的比值，并移除该比值最大的连接边；(5)输出模块划分结果并计算模块度Q的值，式中：m为整个网络的边数；aij∈A，A是整个网络的邻接矩阵，如果节点i和j之间有边相连，aij为1，否则为0；di和dj分别表示节点i、j的度；Ci和Cj分别表示节点i、j所属的模块，如果两个节点属于同一模块，δ(Ci,Cj)为1，否则为0；(6)重复步骤(4)至步骤(5)，直到网络中没有可以移除的连接边为止；(7)输出模块度Q的最大值对应的模块划分结果。