公开(公告)号：CN118332365A

公开(公告)日：2024-07-12

申请号：CN202410431362.X

申请日：2024-04-11

Applicant: 重庆邮电大学

Inventor： 李欣蔚 ,  许国美 ,  耿国宏 ,  王伟 ,  陶维剑 ,  王安康

IPC: G06F18/23213 ,  A61B5/16 ,  A61B5/055 ,  A61B5/00

Abstract: 本发明涉及一种基于群体图深度聚类的孤独症神经分型方法，包括：根据受试者的脑部静息态功能磁共振数据计算受试者的皮尔森相关脑网络矩阵；将脑网络矩阵作为受试者节点的特征；根据受试者节点的特征、受试者节点的性别和受试者节点的站点信息建立脑网络图结构；利用自编码器将节点特征矩阵编码到潜在空间表示，并进行重构；根据邻接矩阵利用图自编码器将节点特征矩阵编码到潜在空间，并进行重构；计算节点的融合特征表示矩阵；利用K‑means算法进行聚类将受试者划分为多个类型，利用节点的融合特征表示矩阵更新受试者节点的特征，并重复执行上述步骤直至损失函数收敛，输出最终的分类结果，提高聚类效果。

公开(公告)号：CN115841607A

公开(公告)日：2023-03-24

申请号：CN202211240213.2

申请日：2022-10-11

Applicant: 重庆邮电大学

Inventor： 李欣蔚 ,  李海铭 ,  王林金 ,  许国美 ,  王安康 ,  刘艳平

IPC: G06V10/82 ,  G06V10/74 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于深度学习和脑网络结构领域，具体涉及一种基于图注意力网络的脑网络结构和相似度的联合学习方法，包括：对获取到的脑部影像数据进行皮层分割处理和形态学特征提取，并将受试者脑网络建模为一个图；通过皮尔森相关计算估计出初始脑网络结构；通过孪生图注意力学习网络，得到脑网络结构间的相似度；计算图正则化损失函数与孪生网络损失函数，约束初始脑网络结构的特性；根据脑网络的嵌入特征更新脑网络的邻接矩阵，并得到更新后的脑网络结构和计算脑网络结构的相似度。本发明通过联合优化脑网络结构估计和相似度学习两个任务，对形态学脑网络进行了有效的估计，为个体识别、疾病辅诊等后续任务提供了有价值的信息。