CN119537957A 一种集成网络拓扑和物理约束的认知活动预测方法 (华东师范大学)_第1页
CN119537957A 一种集成网络拓扑和物理约束的认知活动预测方法 (华东师范大学)_第2页
CN119537957A 一种集成网络拓扑和物理约束的认知活动预测方法 (华东师范大学)_第3页
CN119537957A 一种集成网络拓扑和物理约束的认知活动预测方法 (华东师范大学)_第4页
CN119537957A 一种集成网络拓扑和物理约束的认知活动预测方法 (华东师范大学)_第5页
已阅读5页,还剩11页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种集成网络拓扑和物理约束的认知活动本发明公开了一种集成网络拓扑和物理约静息态功能磁共振成像数据和功能连接方法构间的功能层级性差异构建功能非对称性路径连接4)基于功能非对称性路径连接矩阵计算脑2,步骤四:对构建的最短路径网络根据每个节点拓扑属性计算非,其中,上式右侧第一项表示根据节点拓扑属性对最短路径长根据计算的物理距离与非对称路径连接,则样本在某项任务上脑区i的激活通过以下公式,网络为对称加权网络;对任务态功能磁共振数据预处理并利用一般线性模型GLM估计得到3剖析大脑的工作原理并进一步在实际临床上应用也取得了据构建脑网络挖掘脑功能的组织特性也有着大4样本都会形成一个全连接加权网络,对于给定任务,根据任务范式设计和一般线性模型用欧几里得距离进行度量,即对于i与j脑区在模板中的三维空间坐标(xi,y,z1)和[0026]本发明提供的一种集成网络拓扑和物理约束的认知活动预测方法,具有以下效5[0029]图3为本发明在Maindataset上不同稀疏度下的预测精度PredictionAccuracy[0030]图4为本发明在Replicationdataset上不同稀疏度下的预测精度Prediction[0031]图5为本发明在Reduceddataset上不同稀疏度下的预测精度Prediction使用Pearson构建的功能连接表示为对称的邻接矩阵F={F',F2,…,FS,…,FM},其中FS表对应脑区数量的向量其中Ai对应第s样本中第i脑区的激活。算法求得任意脑区间的最短路径距离,进一步取倒数得到最短路径连接。表示第s个人脑区i与j连接权重。6对执行不同任务时脑区激活预测的性能。在真实公开的人类连接组三个子数据集(Maindataset,Replicationdataset和Reduceddataset)上进行了实验并验证了所提出方[0053]实验中使用的fMRI数据来源于HumanConnectomeProject(HCP,https://Hz)和空间平滑。利用Power264模板将大脑划分为264个脑区,并提取时间序列,使用[0055]表2,表3与表4分别展示了所提出的集成网络拓扑和物理约束的认知活动预测方70.510.51_0.570.570.590.590.610.610.540.54_0.590.590.600.610.630.630.470.47_0.530.530.570.580.590.59[0062]MAC(MeanAccuracy)为在所有网络密度下的平均预测精度,AUC(AreaUnder了所提出的两种特性在脑活动预测中均具有显著的提升与重要的作用。图3表示在Main[0063]以上仅是本发明的优选实

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论