功能性消化不良患者脑网络的模块结构发现方法

摘要

现有研究表明功能性消化不良(FD)疾病与大脑功能网络的异常拓扑模块结构有关。脑网络并不是静态固化的,而人工识别网络结构的成本很高。因此,数据驱动的自动识别方法具有重要的研究意义。然而,传统的静态识别模型很难有效挖掘动态网络中的功能模块结构。为了解决这个问题,本文从网络演化的角度提出新的识别方法。我们首先引入了时间平滑性来估算网络的动态演化过程,并结合节点的拓扑结构与属性相似度来缓解数据稀疏性问题。这样可以有效地减少噪音的影响,提高识别的区分度,从而提供更准确和可靠的结果。在多个数据集上的实验显示了该模型在网络结构分析方面的有效性。发现FD患者脑网络中的功能模块有助于下一步探索FD与异常模块之间关联关联,进而揭示FD的病理机制,为早期诊断和治疗评估提供判别依据。