技术特征：1.一种基于功能子网络特征的认知功能状态预测方法，其特征在于：包括
2.根据权利要求1所述的基于功能子网络特征的认知功能状态预测方法，其特征在于：步骤1具体包括：
3.根据权利要求1所述的基于功能子网络特征的认知功能状态预测方法，其特征在于：步骤2具体包括：
4.根据权利要求1所述的基于功能子网络特征的认知功能状态预测方法，其特征在于：步骤3具体包括：
5.根据权利要求1所述的基于功能子网络特征的认知功能状态预测方法，其特征在于：步骤4具体包括：
6.根据权利要求1所述的基于功能子网络特征的认知功能状态预测方法，其特征在于：步骤5具体包括：
7.根据权利要求1所述的基于功能子网络特征的认知功能状态预测方法，其特征在于：步骤6具体包括：
技术总结本发明涉及一种基于功能子网络特征的认知功能状态预测方法，包括以下步骤：获取每位受试者的认知功能状态量表评分；采集每位受试者的功能磁共振图像并对图像进行预处理，构建大脑功能网络；将大脑功能网络通过递归聚类得到分层子网络；筛选出与认知功能状态之间相关系数较大的两个功能子网络的拓扑属性参数，将这两个拓扑属性参数对应的受试者工作特征曲线下面积作为功能子网络的特征合集；寻找支持向量回归机的高斯径向基核函数中参数的最优值；利用支持向量回归拟合功能子网络特征合集与认知功能状态量表评分。本发明有助于深入理解认知功能状态和功能子网络之间的关系，提高对认知功能状态预测的准确性。
技术研发人员：焦竹青,陆钰,王欢,张煜东,石海峰
受保护的技术使用者：常州大学
技术研发日：技术公布日：2024/1/15