基于超网络判别子图的功能磁共振影像数据分类方法

摘要

本发明公开了基于超网络判别子图的功能磁共振影像数据分类方法，对静息态功能磁共振影像进行预处理，并对所分割的各脑区进行平均时间序列的提取；利用稀疏线性回归方法及稀疏学习优化目标函数，生成超网络；提取超网络中的每条超边作为一个子图，计算子图的频度，选取频度阈值，筛选频繁子图，将频繁子图模式作为特征；在训练集上采用频繁分数特征选择方法，再基于测试集的表现得出最优特征子集和正则化参数C；采用基于图核的分类算法，判别性的子图作为特征，从而进行分类；对所选特征的重要度和冗余度进行量化。用于脑疾病诊断，既保留了原有网络拓扑结构的完整性，又不损失特征的可判别性，呈现更高级别和更复杂的大脑区域之间的相互作用。