一种基于社区检测和双路自编码的脑网络分类方法

摘要

本发明公开了一种基于社区检测和双路自编码的脑网络分类方法。我们引入社区检测方法，检测脑网络中潜在的社区结构，然后，根据社区检测的结果，重新调整网络中节点的排序顺序。一方面，它使得网络中的模块化结构得以保留，另一方面，经过调整之后的脑网络更加适用于深度学习方法中的矩形卷积核。由于脑网络数据有两个模态，分别是结构模态和功能模态。为了更好的融合两个模态的信息，本发明采用双路自编码技术进行脑网络分类。首先，我们采用结构模态指导功能模态网络的社区检测与网络结构调整方法。然后，采用带注意力机制的双路自编码技术，提取网络中重要的高阶信息。最后，综合利用结构模态和功能模态的互补信息完成脑网络的分类任务。