融合时序相关信息的脑功能网络估计与分类

作     者：杨俊 庞梦雪 乔立山 

作者机构：聊城大学数学科学学院 山东建筑大学计算机科学与技术学院 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2024年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0836[工学-生物工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(61976110) 国家自然科学基金重点项目(11931008) 国家自然科学基金面上项目(62176112) 

主　　题：脑功能网络 相似性矩阵 隐变量 静息态功能磁共振成像 时序信息 

摘      要：脑功能网络在神经或精神类脑疾病的早期诊断中发挥着重要作用，而如何估计一个高质量的脑功能网络是其中最关键的问题之一。尽管目前已有众多脑功能网络估计方法被提出，但多数仅考虑了脑区间的相关性，忽视了时间点间可能存在的依赖关系。最近的研究发现通过引入潜变量编码时间点间的依赖性，可以有效提高脑功能网络的判别性；但该方法仅基于相邻时间点的依赖关系，并未有效利用不相邻时间点的信息，这无法全面反映脑功能网络的时序特性。为此，提出一种新的脑功能网络估计方法，通过引入相似性矩阵编码不相邻时间点间的依赖关系，旨在提高脑功能网络估计的质量；并设计了交替优化学习算法快速求解其模型。为了评估所提方法的有效性，在ADNI、ABIDE和REST-MDD三个公开数据集上分别进行了轻度认知障碍、自闭症与抑郁症的识别实验。实验结果表明基于所提方法估计的脑功能网络能够获得更优的分类性能。