[发明专利]基于动态连接的脑功能网络变异识别方法及系统

权利要求书

1.一种基于动态连接的脑功能网络变异识别方法，其特征在于，包括以下步骤：

对磁共振成像设备的磁场分布情况进行评估以生成场域分布信息数据；

通过所述磁共振成像设备获取到的测试者的磁共振数据以及所述场域分布信息数据对测试者的大脑皮层进行分区得到大脑皮层分区结构，所述磁共振数据包括结构性磁共振数据和功能性磁共振数据；

基于所述大脑皮层分区结构和所述功能性磁共振数据计算测试者的动态连接性矩阵，大脑皮层被分割成360个大脑皮层子区，对所述功能性磁共振数据采用滑动窗口进行分割，时间序列为140帧，设定窗口大小是15帧，滑动步长为1帧，共产生125个分割后的子序列，在360个脑分区内部，各个模态下的数据都采用均一化处理，并在这125个窗口序列中，进行相关性分析，计算分区之间的皮尔森系数，最终形成360x360x125大小的所述动态连接性矩阵；

对所述动态连接性矩阵进行阈值化处理，

采用以下公式计算最佳阈值：

max_dPSW(GCE)＝GE-dPSW,

其中，GE是全局效率，M是脑区分割的数量，n是脑区个数，PSW为最强权重与所有有效权重之间的比例，变化范围从0到1，步长为0.05，d_ij是脑区i和脑区j之间的拓扑距离，随着PSW值变化而变化，迭代搜索取得最大GCE值所对应的PSW，并将其作为所述动态连接性矩阵的最佳阈值，dPSW代表该最佳阈值在不同测试者或不同窗口中是变化的；

根据阈值化处理后的所述动态连接性矩阵计算测试者的大脑功能性拓扑度量；

对所述大脑功能性拓扑度量进行非参检验；

通过下述公式对所述大脑功能性拓扑度量进行非参检验：

T＝(t-1)t(t+1)＝t³-t，

式中，C是分组个数，n_i是第i组中的样本数量，N是所有分组的样本总和，R_i是每个分组中的特征值排序和，t是具有相同排序位置的特征值数量；

通过上述公式计算出H值从满足卡方分布的统计表查找到其对应的F值以判断所述大脑功能性拓扑度量的显著性；

对非参检验后的所述大脑功能性拓扑度量进行降噪；

通过分类模型对降噪后的所述大脑功能性拓扑度量进行分析以对测试者进行分类；

分类类别包含：健康、早期轻度认知障碍、晚期轻度认知障碍和阿尔兹海默症患者。

2.根据权利要求1所述的基于动态连接的脑功能网络变异识别方法，其特征在于，

通过四分位法对非参检验后的所述大脑功能性拓扑度量进行降噪。

3.根据权利要求2所述的基于动态连接的脑功能网络变异识别方法，其特征在于，

所述通过四分位法对非参检验后的所述大脑功能性拓扑度量进行降噪的具体方法为：

将所述大脑功能性拓扑度量中的特征值按大小进行排序；

标记这组特征值中的中位数、平均数、最大值、最小值、下四分位数和上四分位数；

将所述下四分位数和所述上四分位数的差值记为四分差；

将所述最小值至1.5倍所述四分差之间的值以及上所述四分位至1.5倍所述四分差之间的值删除；

重复以上步骤进行多次噪声排除。