[发明专利]一种基于功能连接网络的多层次特征融合的精神病自动判别方法

权利要求书

1.一种基于功能连接网络的多层次特征融合的精神病自动判别方法，其特征在于，包括以下步骤：

步骤1：对获取的静息态的功能核磁图像(Rs-fMRI)进行预处理；

步骤2：采用脑模板对预处理后的静息态fMRI进行脑区划分得到平均时间序列，计算功能连接矩阵；

步骤3：将功能连接矩阵进行阈值处理，保留一定比例的相关性的值，得到阈值网络；

步骤4：根据图论，计算阈值网络属性，包括局部属性和全局属性，得到网络层面的特征；

步骤5：将步骤2得到的所有的功能连接矩阵进行叠加，计算平均网络，获得相应的连接性特征；

步骤6：采用组稀疏(Group Lasso)分别对特征进行简约；

步骤7：分别训练支持向量机(SVM)分类模型，采用加权投票的方式进行分类。

2.根据权利要求1所述的一种基于功能连接网络的多层次特征融合的精神病自动判别方法，其特征在于：所述步骤1和步骤2中，首先对静息态的功能核磁图像进行预处理，减少个体差异，采用脑模板Brainnetome Atlas对预处理后的静息态的功能核磁图像进行分区，得到246个脑区，计算每个时间点的所有体素的平均值，得到每个脑区的平均时间序列，并计算任意两个脑区的时间序列之间的皮尔逊相关系数，计算公式如下：

其中，y_a(t)和y_b(t)表示脑区a和脑区b的时间序列，表示时间序列a的平均值，表示时间序列b的平均值，最终得到大小246乘246的全连接矩阵。将每个脑区作为一个节点，节点和节点的边用皮尔逊相关系数表示，构成了功能连接网络。

3.根据权利要求1所述的一种基于功能连接网络的多层次特征融合的精神病自动判别方法，其特征在于：步骤3中，保留功能连接网络一定比例的边，其中采用百分比的方式，首先取连接矩阵的上三角的值，按照相关系数值进行递减排序，保留一定数量相关系数值较大边，其他的值都设置为零，同时对下三角进行相同处理，对角线元素全部设置为零，得到最终的阈值网络。

4.根据权利要求1所述的一种基于功能连接网络的多层次特征融合的精神病自动判别方法，其特征在于：步骤4中，计算属阈值网络的网络属性，其中包括6中网络局部属性，6种网络全局属性，网络局部属性：介质中心性(betweenness centrality)，度(degree)，紧密中心性(closeness centrality)，节点聚类系数(node clustering coefficient)，局部效率(local efficiency)，参与系数(participation coefficient)。网络全局属性：特征路径长度(characteristic path length)，全局效率(global efficiency)，平均聚类系数(average clustering coefficient)，度相关系数(assortativity coefficient)，网络的传递性(graph transitivity)，小世界性(small-worldness)。

5.根据权利要求1所述的一种基于功能连接网络的多层次特征融合的精神病自动判别方法，其特征在于：步骤5中，将所有对象的功能连接矩阵叠加，包括正常人的功能连接矩阵和患有精神病的功能连接矩阵，之后计算平均网络。采用步骤3中的方法，得到平均网络的阈值网络，之后将阈值网路对应非零位置映射到每个对象的功能连接网络上，保留相应位置的相关系数的值，这些保留的相关系数提取出来，得到一个向量，代表网络的连接特征。