基于脑网络模块结构特征的功能磁共振影像数据分类方法

摘要

本发明公开了基于脑网络模块结构特征的功能磁共振影像数据分类方法。本发明方法从模块结构角度描述了网络局部聚集特征，体现了网络集团化特性，揭示网络中结构和功能之间的潜在关系，弥补了传统分类方法中对脑局部特性描述的不足，有效的提高了数据分类的准确性。

主权项

基于脑网络模块结构特征的功能磁共振影像数据分类方法，其特征在于，它包括以下步骤：步骤S1：对静息态功能磁共振影像进行预处理，然后根据选定的标准化脑图谱对影像进行区域分割，最后对所分割的各脑区进行平均时间序列的提取；步骤S2：利用偏相关方法，计算各脑区平均时间序列两两间的关联程度，得到偏相关关联矩阵；步骤S3：设定特定阈值，将关联矩阵转化为二值矩阵，完成静息态功能脑网络的构建；步骤S4：对网络进行模块结构分析，划分对应模块并计算相关指标，包括模块度、模块内度及参与系数等；步骤S5：利用支持向量机SVM分类算法，选择网络模块化指标为分类特征，对图象进行分类，并采用交叉验证方法对分构建的分类器进行检验；步骤S6：利用敏感性分析方法，量化所选特征在分类模型中的重要程度，对所选特征进行二次筛选，优化模型。