[发明专利]一种感音神经性耳聋的脑功能网络演化建模方法

权利要求书

1.一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：包括以下步骤：

S01、提取脑网络状态数据，以静息态fMRI的BOLD信号为对象，通过滑动窗口技术分析并提取脑网络的状态表达，得到脑网络状态的高维向量表达；

S02、利用状态观测矩阵获取低维映射及聚类结果，以数据采集时间区间上所有的脑网络状态高维向量为对象，通过t分布随机近邻嵌入得到这些状态在二维空间上的点映射，得到这些状态的聚类结果；

S03、脑网络状态的转换模式分析，根据状态的聚类结果构建状态集，分析状态之间切换与时间的关系，得到脑网络状态演化在时间轴上的时序图；

S04、基于时间自动机的脑网络演化模型，根据脑网络状态演化时序图，通过时间自动机理论构建演化过程模型，提供定量的脑网络动态描述模型。

2.根据权利要求1所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：所述脑网络状态数据提取依据自动解剖标签AAL模板区分大脑脑区，分别提取采样期间内不同脑区的平均BOLD信号时间序列，利用相关性分析衡量各个脑区之间的连接关系获取脑网络状态数据。

3.根据权利要求2所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：依据所述脑网络状态数据构建状态观测矩阵获取低维映射及聚类结果，具体步骤为：

首先、获取一个包含N个时间点的脑网络样本，设定降维的迭代次数和低维空间目标维数；

其次、利用滑动窗口将整段的BOLD信号分割为若干个短信号，通过调整窗口尺寸的大小，得到多个不同的功能连接矩阵，并计算不同矩阵之间的欧氏距离；

再者、以脑网络动态特征矩阵数据点为中心计算低维空间联合概率，并定义目标函数；

最后、对目标函数求最优化并得出降维结果。

4.根据权利要求3所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：对所述目标函数按时间顺序在二维空间内的降维结果进行染色，获取不同时间点在二维空间内的脑网络状态分布。

5.根据权利要求4所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：依据所述脑网络状态分布设置时间转换表，包括全脑状态演化有限字母表、全脑状态演化有限状态集、开始状态集、全脑状态演化有限时钟集以及脑网络状态转换规则集。

6.根据权利要求5所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：通过所述时间转换表描述六元组，定义采集时钟变量集，通过时间区间时序逻辑给出脑网络状态的动态演化时间区间。

7.根据权利要求6所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：通过采样所述时间区间上血氧依赖水平信号的处理得到全脑脑区在单个采样点上的状态描述，通过无监督聚类获取其状态集。

8.根据权利要求7所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：在所述状态集内部设置采集数据的起始时刻以及状态结束时刻，采用非参数方法构建脑网络状态生存函数。

9.根据权利要求8所述的一种感音神经性耳聋的脑功能网络演化建模方法，其特征在于：采用t分布随机近邻嵌入法对所述脑网络状态生存函数进行降维处理，得到与之相对应的状态转换集，判断各个断点状况下所有样本的稳定状态。