一种基于层次聚类和结构方程模型的动态脑效应连接网络生成方法

摘要

本发明公开了一种基于层次聚类和结构方程模型的动态脑效应连接网络生成方法，首先使用层次聚类来评估脑状态数和转移时刻，然后使用SEM从fMRI时间序列数据中学习DEC的网络结构。从fMRI时间序列数据中获取脑状态特征信息；使用层次聚类来评估脑状态数和转移时刻；根据状态数和转移时刻对原始fMRI时间序列数据进行划分；使用SEM从fMRI时间序列数据中学习DEC的网络结构。分析在多模态数据下构建脑效应连接网络与单模态下的差异和原因，并用真实数据进行检验。本发明通过两种算法的结合，可以自动地获得动态脑效应连接网络，相较其他算法，在仿真数据集上获得了更准确的网络结构。