[发明专利]基于局部属性和拓扑结构的脑网络聚类方法

权利要求书

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。

2.根据权利要求1所述的基于局部属性和拓扑结构的脑网络聚类方法，其特征在于，所述步骤S1中，使用Dparsf软件对脑功能磁共振图像进行预处理，预处理具体包括：移除前10个时间点、时间点校正、头动校正、空间标准化、平滑、去线性漂移和滤波；然后根据选定的标准化脑图谱-AAL模板，对预处理后的脑功能磁共振图像进行分割，将大脑分为90个脑区；最后，依据预处理后的脑功能磁共振图像的数据，分别提取并计算每个脑区内部各个体素在不同时间点上的激活值及其平均值，得到每个脑区的平均时间序列；所述激活值是指各个体素在不同时间点上的血氧水平依赖强度。