一种基于隐马尔可夫模型的大脑时间信号处理方法

摘要

本发明公开了一种基于隐马尔可夫模型的大脑时间信号处理方法，包括步骤：1)将采集所得功能磁共振图像进行预处理，并且要求所采集的功能磁共振图像有相同的回波时间；2)对预处理后每个被试脑区的时间序列进行中心化和标准化，使用健康被试分别训练每个脑区的隐马尔可夫模型；3)根据所求的隐马尔可夫模型参数求解每个被试每个脑区序列的似然值，并根据不同被试时间序列长度不同进行缩放，得到每个被试每个脑区的一个特征；4)使用步骤3)得到每个被试一个脑区的特征后，使用SVM‑RFE方法分类两组被试。基于本发明所提出的分析方法对孤独症谱系障碍的功能磁共振数据进行分类，准确率已经达到80.37％，相较于构建脑网络，深度学习等其他方法有很大的提升。