[发明专利]基于局部属性和拓扑结构的脑网络聚类方法

摘要

本发明公开了一种基于局部属性和拓扑结构的脑网络聚类方法，该方法具体按照以下步骤进行：首先对脑功能网络进行预处理，并提取各脑区平均时间序列；然后计算皮尔逊相关系数，构建无偏的脑功能网络；计算脑功能网络相似度；最后对脑功能网络相似度进行聚类，并对聚类结果进行检验；本发明通过将脑功能网络的局部属性相似度和拓扑结构相似度加权融合，得出精准率更高的相似度，对基于局部属性和拓扑结构的相似度聚类以后，得到的聚类结果准确、无偏差。

主权项

1.基于局部属性和拓扑结构的脑网络聚类方法，其特征在于，具体包括以下步骤：步骤S1：对脑功能磁共振图像进行预处理，然后进行脑区分割，并提取各个脑区的平均时间序列；步骤S2：计算各个脑区平均时间序列之间的皮尔逊相关系数，得到皮尔逊相关矩阵；利用克鲁斯卡尔算法得到无偏的脑功能网络；步骤S3：计算无偏脑功能网络的局部属性相似度和拓扑结构相似度，并对局部属性相似度和拓扑结构相似度进行加权融合，得到脑功能网络的相似度；步骤S4：利用脑功能网络的相似度构建相似矩阵，对相似矩阵使用多路谱聚类算法，实现脑网络的聚类；所述步骤S2中，构建无偏的脑功能网络包括以下步骤：步骤S21：利用公式(1)计算两个脑区之间的皮尔逊相关系数r_xy，公式(1)中，1≤n≤N，N表示时间点个数，x_n表示脑区x在第n个时间点的激活值，表示脑区x在所有扫描时间点激活值的平均值；y_n表示脑区y在第n个时间点的激活值，表示脑区y在所有扫描时间点激活值的平均值；r_xy表示脑区x和脑区y之间的皮尔逊相关系数，得到90*90的皮尔逊相关矩阵R；步骤S22：利用克鲁斯卡尔算法按照如下描述构建无偏的脑功能网络：(1)将皮尔逊相关矩阵R中的相关系数进行降序排序；(2)将相关系数最大的节点连接起来，直至所有节点以无环子图的形式连接为止；(3)如果在步骤(2)中添加该连接后，出现了环路，则放弃该连接。