[发明专利]一种加权图正则化稀疏脑网络构建方法

摘要

本发明公开了一种加权图正则化稀疏脑网络构建方法。该方法首先分析原始数据空间中的相似数据在经过投影后仍然保持相似的局部流形特性，从而利用图正则化项对脑连接之间的关联进行约束建模；然后考虑相关性分析能够度量脑区时序信号序列中本质的相似度，从而利用度量的功能连接强度先验信息对稀疏建模进行约束，建立加权稀疏正则化项；最后对整个大脑功能网络进行联合建模，构建更具生物意义的大脑网络。本发明通过将相关性分析、稀疏性以及图正则化约束整合在一个统一的建模框架中，能够充分利用功能磁共振脑图像数据中的相似性和局部性，有效地构建脑功能网络并且用于神经疾病的鉴别以及生物标识物分析。

主权项

1.一种加权图正则化稀疏脑网络构建方法，基于功能核磁共振成像技术通过检测与血流相关的变化来对大脑活动进行测量，研究在大/宏观尺度下的脑连接网络，把脑区看作是节点，由两两脑区的平均区域BOLD信号之间估计的功能连接视作图模型中的边/连接，提出基于连接强度的惩罚权重约束稀疏正则项以及图正则化项对脑网络进行建模，能够结合传统的相关性分析和稀疏建模思想融合到一起构建脑网络，将基于相关性的连接强度、局部流形结构和稀疏性整合在一个统一的学习框架中，在稀疏脑网络建模框架下对数据中的相关性和局部性进行保持，并构建具有生物学意义的脑功能网络用于精神疾病识别预测；其特征在于，包括以下步骤：步骤1：根据能直接度量两两ROI间相似程度的皮尔逊相关度量Pij来定义连接强度，并基于连接强度定义稀疏建模中l1范数正则化的惩罚权重；步骤2：对稀疏性以及相关性进行约束后，基于流形假设，提出图正则化约束来保持脑功能网络中的局部流形结构，约束在原始数据空间中相似的数据在稀疏重构后也保持相似的特性；步骤3：结合上面步骤的两项正则化约束，提出加权图正则化稀疏脑网络构建框架，创新性地对数据中的相似性以及局部性进行保持约束，并且对整个脑网络进行联合建模；步骤4：对构建的模型进行向量化等价转换，利用交替方向乘子法求解模型。