[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

摘要

本发明提出了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，采用静息态的功能核磁(Rs‑fMRI)构建功能连接网络，计算两种层次的特征，网络属性特征和功能连接特征，网络属性特征包括六种网络局部属性和六种网络全局属性，同时将所有功能连接网络进行叠加，计算平均网络，保留一定比例的边，将保留位置的相关性作为连接层次的特征。考虑到脑区的独立性和特征之间的关联性，采用组稀疏(Group Lasso)的方式分别对两种层次的特征进行简约，分别构建支持向量机(SVM)分类器，采用加权投票的方式得到最终分类结果。本发明实现对是否患有精神病进行自动判别分析，提高对精神病诊断的准确性，这一方法可被应用于实际临床诊断中。

主权项

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。