申请/专利权人：河北工业大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876772A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/40;G06V10/80;G06V10/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明为多时间窗静息态功能磁共振影像数据特征分析方法，对于所有训练样本，将静息态功能磁共振影像数据的时间序列划分成若干个连续的时间窗，使用稀疏一致性学习进行多时间窗的联合特征选择。该方法使用L1范数对单个时间窗内的特征权重进行稀疏约束，L21范数对所有时间窗的特征权重进行一致性约束。另外，该方法根据学习到的特征权重矩阵，构建了样本‑时间窗‑脑区‑脑连接的四阶张量，然后使用张量分解分别得到这四个维度的因子矩阵，最后利用多核支持向量机对选择后的特征进行融合分类。本发明可以从样本和时间窗两个角度对脑区和脑连接的因子矩阵进行分析，达到更好的分类效果。

主权项：1.一种多时间窗静息态功能磁共振影像数据特征分析方法，其特征在于：该特征分析方法包括以下内容：获取某类脑疾病样本静息态功能磁共振影像预处理后的数据，预处理后获得样本不同脑区的时间序列；设置时间窗的长度为LW，移动的步长为step，按照这两个参数为每个样本的每个脑区的时间序列划分时间窗，并且所有样本的所有脑区划分出来的时间窗的数量是相等的；将属于同一个时间窗的数据归类为一组，每个时间窗下的每个样本的脑区的序列长度为LW；以脑区为节点，以每个时间窗下两个脑区的时间序列的皮尔逊相关系数表示的脑区之间的连接强度为边，构建脑网络；第s个时间窗下的第i个样本的脑网络矩阵为取上三角元素拉伸成一个向量作为该样本i的特征其中，NR为节点数量；计算出所有时间窗下的所有样本的脑网络，由此完成构建多时间窗脑网络；对多时间窗脑网络的数据进行特征选择，特征选择目标函数为公式2： 公式2中，n为样本的个数，S为时间窗的个数，表示第i个样本第s个时间窗对应的特征列向量，表示第j个样本第s个时间窗对应的特征列向量，给定第s个时间窗的训练集d表示特征的维度，表示第i个样本第s个时间窗对应的类别标签，表示n个样本对应的标签向量，W＝[w1,…,wi,…,wS]T∈RS×d为所有时间窗的权重向量，其中ws为第s个时间窗的权重向量；α为约束特征稀疏的正则化参数，β为约束样本多时间窗特征一致性的正则化参数；Ks为刻画样本点邻近关系的权重矩阵，权重矩阵中每个元素表示第s个时间窗中第i个样本和第j个样本之间的邻近关系，γ为约束样本多时间窗关联的正则化参数；使用交替方向乘子法对上述目标函数进行优化求解；对获得的解中选出权重非零的权重向量ws所对应的特征。

全文数据：

权利要求：

百度查询： 河北工业大学 多时间窗静息态功能磁共振影像数据特征分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD