融合聚类和独立成分分析的脑功能网络自动提取方法与流程

技术特征：
1.一种融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，包括如下步骤：将预处理后的多个被试的脑功能影像数据基于时间点方向进行串联，在不同的成分个数设置下，分别执行个体水平和组水平的两级主成分分析（principal component analysis，pca）对数据进行降维，然后对降维后的数据进行独立成分分析（independent component analysis，ica）得到所有初始的组水平独立成分；基于结合社区发现算法的分裂合并方法，完成对所有初始的组水平独立成分的自动聚类，提取可靠的组水平独立成分；基于可靠的组水平独立成分，执行组水平上噪声成分的移除，得到组水平脑功能网络；以组水平的脑功能网络为参考信息，对个体被试的脑功能影像数据执行组信息指导独立成分分析（group information guided ica，gig
‑
ica），估计个体水平的脑功能网络；执行个体水平相似脑功能网络的融合以及噪声成分的移除，获得不同被试具有个体特异性的脑功能网络。2.根据权利要求1所述的融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，对被试脑影像数据进行预处理的步骤包括：去除前几个时间点的脑功能影像数据，对剩余时间点的脑功能影像数据进行时间层校正、头动校正、空间标准化、空间平滑。3.根据权利要求1所述的融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，在不同成分个数下采用pca降维和ica分解分析多被试脑功能影像数据获取初始组水平独立成分的步骤包括：对于每个被试，将个体被试每个时间点上的三维脑功能影像数据转化为一个行向量，并将不同时间点得到的行向量在时间维度上串联，得到一个时间点个数
×
脑内有效体素个数的脑功能影像数据矩阵；在成分个数设定为k的情况下，将每个被试的脑功能影像数据矩阵在时间维度上进行个体水平pca降维，再将每个被试的个体水平pca降维结果在时间维度上串联，并在时间维度上进行成分个数为k的组水平pca降维；对组水平pca降维的结果进行成分个数为k的ica分解，得到一组独立成分集；基于多个不同的k，执行多次个体水平pca降维、组水平pca降维和ica分解，得到多组独立成分集，将所有得到的独立成分作为初始组水平独立成分。4.根据权利要求1所述的融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，基于结合社区发现算法的分裂合并方法，完成对所有初始组水平独立成分的自动聚类，提取可靠的组水平独立成分的步骤包括：通过社区发现算法对所有初始组水平独立成分进行初始聚类，得到初始组水平独立成分的类别标签，其中，具有相同类别标签的初始组水平独立成分被划分为同一簇；执行簇的分裂直到簇数目不再改变；分裂规则是：如果在某一簇中，距离簇中心最近和最远的成分与簇中心的距离之和大于两倍的簇间平均距离，则使用社区发现算法将该簇分裂；其中，簇间平均距离是指单位距离1与当前所有簇的簇中心之间的皮尔逊相关系数绝对值的差值的平均值；
执行簇的合并直到簇数目不再改变；合并规则是：如果某两簇簇中心的距离小于簇间平均距离的一半，则对这两簇进行合并；重复执行簇的分裂和簇的合并，直到所有初始组水平独立成分的类别标签不再改变。5.根据权利要求1所述的融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，基于可靠的组水平独立成分，执行噪声成分的移除，得到组水平脑功能网络的步骤包括：使用噪声移除方法移除噪声成分，得到组水平的脑功能网络；噪声移除可采用noisecloud方法通过建立分类模型对噪声成分和有意义的脑功能网络对应的成分进行区分实现，也可以通过观察成分的空间信息鉴别。6.根据权利要求1所述的融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，利用个体被试的脑功能影像数据和组水平的脑功能网络，执行gig
‑
ica估计个体水平脑功能网络的步骤包括：以每个组水平脑功能网络作为一个参考，基于个体被试的脑功能影像数据，采用多目标优化策略，同时优化个体被试脑功能网络的独立性以及个体被试脑功能网络和组水平脑功能网络的对应性以获得个体被试的脑功能网络。7.根据权利要求1所述的融合聚类和独立成分分析的脑功能网络自动提取方法，其特征在于，执行个体水平相似脑功能网络的融合以及噪声成分的移除，获得不同被试具有个体特异性的脑功能网络的步骤包括：针对每个样本的个体水平的脑功能网络，使用皮尔逊相关系数度量个体水平独立成分之间的相关性，将相关性系数较大的两个或多个脑功能网络进行融合，然后使用噪声移除方法移除噪声成分，得到个体水平的脑功能网络；其中，噪声移除方法可以用noisecloud通过建立分类模型对噪声成分和有效成分进行区分，也可以通过观察成分的空间信息和时频信息鉴别。

技术总结
本发明公开了一种融合聚类和独立成分分析的脑功能网络自动提取方法。本发明提出的方法主要包括以下过程：通过执行不同成分个数下的独立成分分析获取初始组水平独立成分。执行结合社区发现算法的分裂合并方法对初始组水平独立成分进行聚类，获取可靠的组水平独立成分。基于可靠的组水平独立成分，执行组水平上的去噪得到组水平脑功能网络。利用个体被试的脑功能影像数据和组水平脑功能网络估计个体水平脑功能网络。对个体水平脑功能网络执行相似网络的融合和个体水平的去噪，最终获得不同被试具有个体特异性的脑功能网络。本发明克服了使用独立成分分析方法需要人为给定成分个数的难题，得到了个体特异的脑功能网络，对精神疾病的诊治有重要意义。神疾病的诊治有重要意义。神疾病的诊治有重要意义。


技术研发人员：杜宇慧 何星宇
受保护的技术使用者：山西大学
技术研发日：2021.07.21
技术公布日：2021/11/4