一种基于脑连接网络的脑龄预测方法与流程

技术特征：

1.一种基于脑连接网络的脑龄预测方法，其特征包括如下步骤：

(1)从脑影像中构造出脑连接网络；

(2)从脑连接网络中提取节点特征；

(3)从脑连接网络中提取并选择边特征；

(4)将步骤(1)、(2)中提取到的两种特征进行线性的融合；

(5)使用支持向量回归机(Support vector regression，SVR)对脑龄进行回归预测。

2.根据权利要求1所述的一种基于脑连接网络的脑龄预测的方法，其特征在于，所述步骤(1)中，从脑影像中构造出脑连接网络。其实现方法包括：

(21)对采集到的原始数据，我们使用Data Processing Assistant for Resting-State fMRI(DPARSF)进行切片时间校正(slice timing)，头动校正(motion correlation)，和空间正则化(spatial normalization)等标准预处理流程；

(22)根据Automated Anatomical Labeling(AAL)模板将每个对象的fMRI图像所对应的脑空间分割为90个脑区(每个脑区对应图中的一个顶点)；

(23)计算每个脑区的平均时间序列以及脑区间的Pearson相关系数作为脑区间的连接强度(即为图中的边)。

3.根据权利要求1所述的一种基于脑连接网络的脑龄预测的方法，其特征在于，所述步骤(2)中，从脑连接网络中提取节点特征，其实现方法包括：

(31)首先阈值化功能连接网络，设定一个阈值T，小于阈值T的置为0，大于等于阈值T的置为1；

(32)对于阈值化后的连接网络，计算节点的聚类系数。

4.根据权利要求3所述的从脑连接网络中提取节点特征，其特征在于，所述步骤(32)中，计算节点的聚类系数，其实现方法包括：

(41)对于无权无项图G，G中的第i个节点的聚类系数的计算公式如下：

$C_i=\frac{2\×E_i}{k_i\×(k_i-1)}$

其中，k_i表示第i个节点的邻接点的个数，E_i表示第i个节点的k_i个邻接点之间存在的边数；

(42)对每个样本的脑连接网络计算其聚类系数，作为节点的特征。

5.根据权利要求1所述的一种基于脑连接网络的脑龄预测的方法，其特征在于，所述步骤(3)中，从脑连接网络中提取并选择边特征，其实现方法包括：

(51)对于脑连接网络，首先可以简单的得到网络中的边，将边拉成向量保存其权重信息；

(52)使用Lasso算法选择最具有判别性的边，作为边的特征。

6.根据权利要求1所述的一种基于脑连接网络的脑龄预测的方法，其特征在于，所述步骤(4)中，将步骤(1)、(2)中提取到的两种特征进行线性的融合，其实现方法包括：

(61)将提取到的边的特征和节点的特征线性的融合在一起。不妨设节点的特征矩阵为边的特征矩阵为则融合后的特征矩阵为其中，n表示样本个数，c表示节点的特征个数，e表示边的特征个数。