基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法
【專利摘要】一種基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法，分為：步驟1，對核磁數(shù)據(jù)的預(yù)處理：首先，對數(shù)據(jù)進(jìn)行規(guī)范化統(tǒng)一處理，空間歸一化用標(biāo)準(zhǔn)大腦空間衡量不同形狀的實(shí)驗(yàn)者大腦使其可用一個坐標(biāo)系來描述；然后，對預(yù)處理后的fMRI數(shù)據(jù)標(biāo)準(zhǔn)劃分子分區(qū)，以進(jìn)行后續(xù)的處理分析；步驟2，計(jì)算基于腦網(wǎng)絡(luò)的各屬性特征集，以圖表、折線圖的形式展現(xiàn)出來。與社會網(wǎng)絡(luò)屬性特征相結(jié)合，提供更加適合的屬性特征對特定區(qū)域進(jìn)行深入分析，更好的發(fā)揮了社會網(wǎng)絡(luò)分析相對于現(xiàn)有網(wǎng)絡(luò)分析研究的優(yōu)勢，利用ADHD和控制組之間的差異性突出表現(xiàn)屬性特征的典型意義，同時發(fā)現(xiàn)ADHD在特定區(qū)域的不同于控制組的表現(xiàn)，以便通過這些特定區(qū)域特定表現(xiàn)分析研究ADHD的病變和發(fā)展。
【專利說明】基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人工智能與智能計(jì)算領(lǐng)域的一種基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法。
技術(shù)背景
[0002].ADHD核磁數(shù)據(jù)
[0003]ADHD (Attent1n Deficit Hyperactivity Disorder,注意缺陷多動障礙)，是一種多發(fā)生于學(xué)齡兒童的行為疾病，具體表現(xiàn)為注意力不集中、多動等，如很難集中注意力于某件事情上或很難控制住自己的行為經(jīng)常發(fā)出叫聲等。這些現(xiàn)象會在病人身上持續(xù)很長時間并且有可能會對其生活和心理產(chǎn)生很大的影響。
[0004]基于ADHD 的 fMRI (funct1nal magnetic resonance imaging,功能磁共振成像)數(shù)據(jù)，即針對ADHD病人采用功能磁共振成像的方法得到的其大腦斷層掃描圖像數(shù)據(jù)，可以準(zhǔn)確地反映大腦各功能區(qū)域的活動。血氧水平依賴(BOLD)功能性磁共振成像是利用腦活動生理過程中腦血流、腦血流容積、血液氧含量等微弱的能量代謝過程來成像的。
[0005]ADHD-200擁有來自不同機(jī)構(gòu)的776位參與者的靜息態(tài)功能磁共振成像(fMRI)數(shù)據(jù)，具有數(shù)據(jù)量足夠大、信息完整和環(huán)境一致等優(yōu)點(diǎn)，本發(fā)明主要用NYU(New YorkUniversity Child Study Center)和KKI (kennedy Krieger Institute)數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn)。
[0006]通過對比ADHD組和控制組的fMRI數(shù)據(jù)，可以在某些特定區(qū)域發(fā)現(xiàn)明顯差異。在此過程中先對fMRI數(shù)據(jù)進(jìn)行去噪等預(yù)處理，合理的劃分大腦功能區(qū)域得到盡可能最大程度上反應(yīng)大腦活動的數(shù)據(jù)，以進(jìn)行研究分析。
[0007]?社會網(wǎng)絡(luò)分析方法
[0008]社會網(wǎng)絡(luò)分析理論指出，社會行動者的行為并非是獨(dú)立的，而是相互依賴、相互關(guān)聯(lián)的。社會行動者就是網(wǎng)絡(luò)中的結(jié)點(diǎn)，社會行動者之間的行為關(guān)聯(lián)就是網(wǎng)絡(luò)中結(jié)點(diǎn)的連線。如此一來，社會網(wǎng)絡(luò)就以圖的形式表示出來了，人們就可以運(yùn)用圖論和社會網(wǎng)絡(luò)分析的方法來研究社會網(wǎng)絡(luò)中隱含的關(guān)系。
[0009]國內(nèi)外學(xué)者已經(jīng)把社會網(wǎng)絡(luò)分析方法應(yīng)用在很多研究領(lǐng)域，在競爭、知識管理、圖書館資源配置、學(xué)科熱點(diǎn)、引文分析、科研人員合著、博客網(wǎng)絡(luò)、上市公司之間的資本關(guān)系等方面展開了一系列研究，并應(yīng)用在輿情和疫情防控、組織管理和風(fēng)險規(guī)避、知識共享和創(chuàng)新坐寸ο
[0010]國內(nèi)目前對于社會網(wǎng)絡(luò)的研究也正處于實(shí)證研究階段，像對于論文合作網(wǎng)絡(luò)的研究，中藥方劑網(wǎng)絡(luò)的研究，中國菜肴網(wǎng)絡(luò)的研究，中國火車車次網(wǎng)絡(luò)的統(tǒng)計(jì)研究，中國兩個城市的公交線路網(wǎng)的研究以及中國電力網(wǎng)的統(tǒng)計(jì)研究，這些研究，都是在對數(shù)據(jù)進(jìn)行搜集統(tǒng)計(jì)的情況下，然后對國外關(guān)于社會網(wǎng)絡(luò)和復(fù)雜網(wǎng)絡(luò)得出的一些研究結(jié)論和模型進(jìn)行了驗(yàn)證。如對復(fù)雜網(wǎng)絡(luò)理論中的小世界效應(yīng)和無標(biāo)度網(wǎng)絡(luò)等網(wǎng)絡(luò)特性進(jìn)行驗(yàn)證。
[0011]通過在線社會網(wǎng)絡(luò)獲取信息，分析信息發(fā)布者之間的關(guān)系及信息傳播過程，可以更加有針對性地更加有效地獲取需要的。不少研究者對在線交友網(wǎng)絡(luò)、在線社區(qū)和在線社會媒體等3大類在線社交網(wǎng)絡(luò)進(jìn)行實(shí)證研究。通過對網(wǎng)絡(luò)社區(qū)的分析，刻畫群體中成員地位的形成、意見領(lǐng)袖的特點(diǎn)和群體內(nèi)部人際交往的特征，繪制組織內(nèi)部信息溝通、咨詢、知識傳播等社會關(guān)系網(wǎng)絡(luò)。
[0012]隨著對社會網(wǎng)絡(luò)研究的深入，社會網(wǎng)絡(luò)更多地應(yīng)用在不同領(lǐng)域，同樣在大腦研究領(lǐng)域也引起了重視，如研究發(fā)現(xiàn)社會網(wǎng)絡(luò)大小對大腦的影響等，但完全將社會網(wǎng)絡(luò)分析的優(yōu)勢應(yīng)用于腦網(wǎng)絡(luò)研究，還需要研究者的共同努力。


【發(fā)明內(nèi)容】

[0013]本發(fā)明的目的在于，首次提出通過合理運(yùn)用社會網(wǎng)絡(luò)分析的優(yōu)勢來挖掘大腦網(wǎng)絡(luò)信息，實(shí)現(xiàn)對兒童多動癥進(jìn)行判別分析。具體說，為此，本發(fā)明提供一種基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法，利用社會網(wǎng)絡(luò)分析方法的多種屬性特征優(yōu)勢，并且能夠精確地量化社會網(wǎng)絡(luò)屬性，以詳細(xì)的屬性特征值、圖表等多種形式來量化研究ADHD病人的大腦異常區(qū)域，從而達(dá)到對兒童多動癥的判別目的，克服現(xiàn)有研究方法不精確的缺點(diǎn)。本發(fā)明應(yīng)用于研究和實(shí)驗(yàn)，不直接應(yīng)用于臨床檢測篩選和治療。
[0014]為實(shí)現(xiàn)上述目的，本發(fā)明給出的實(shí)施方案為:
[0015]一種基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法，其特征在于，此方法分為兩大組成部分:對核磁數(shù)據(jù)的預(yù)處理和大腦網(wǎng)絡(luò)的構(gòu)建和計(jì)算分析屬性特征。預(yù)處理及構(gòu)建網(wǎng)絡(luò)部分負(fù)責(zé)對數(shù)據(jù)進(jìn)行初步預(yù)處理并且依據(jù)大腦網(wǎng)絡(luò)的特點(diǎn)構(gòu)建合適成熟的腦網(wǎng)絡(luò)，同時符合社會網(wǎng)絡(luò)特征的構(gòu)建條件，為ADHD fMRI的數(shù)據(jù)分析提供一個可靠的網(wǎng)絡(luò)平臺。屬性特征部分則負(fù)責(zé)計(jì)算基于腦網(wǎng)絡(luò)的各屬性特征，同時以圖表、折線圖的形式展現(xiàn)出來。其計(jì)算的屬性特征均在社會網(wǎng)絡(luò)中具有典型意義同時適合于腦網(wǎng)絡(luò)。
[0016]首先，原始fMRI數(shù)據(jù)是大小為49*58*47的3D圖像時間序列，為消除其因?qū)嶒?yàn)條件等外部變化造成的數(shù)據(jù)差異以及對數(shù)據(jù)進(jìn)行規(guī)范化統(tǒng)一處理，需要進(jìn)行數(shù)據(jù)預(yù)處理，包括頭動校正、時間層校正、空間歸一化等操作。預(yù)處理的頭動校正用于消除在實(shí)驗(yàn)過程中由實(shí)驗(yàn)者頭動產(chǎn)生的干擾，時間層校正主要用來校正系列成像中層與層獲得時間的不同是各層得到的時間保持一致，空間歸一化用標(biāo)準(zhǔn)大腦空間衡量不同形狀的實(shí)驗(yàn)者大腦使其可以用一個坐標(biāo)系來描述。然后對預(yù)處理后的fMRI數(shù)據(jù)依據(jù)Brodmann標(biāo)準(zhǔn)(一種大腦功能區(qū)域劃分標(biāo)準(zhǔn))劃分為48個不同的功能區(qū)域即子分區(qū)，以進(jìn)行后續(xù)的處理分析。
[0017]對每一個功能區(qū)域構(gòu)建基于社會網(wǎng)絡(luò)的腦功能網(wǎng)絡(luò)，以每一個核磁圖像的像素點(diǎn)(像素點(diǎn)即原始核磁數(shù)據(jù)的最小單位)作為網(wǎng)絡(luò)的結(jié)點(diǎn)，像素點(diǎn)之間的相關(guān)關(guān)系作為對邊的衡量，在滿足Kran>log(n)(其中Kran表示網(wǎng)絡(luò)的全局度數(shù)，η表示網(wǎng)絡(luò)規(guī)模及節(jié)點(diǎn)個數(shù))的條件下，尋找使小世界屬性達(dá)到最優(yōu)的閾值，對相關(guān)關(guān)系進(jìn)行劃分得到邊的集合，得到的網(wǎng)絡(luò)即為基于社會網(wǎng)絡(luò)的腦功能網(wǎng)絡(luò)。所謂小世界屬性，是社會網(wǎng)絡(luò)中的一種屬性特征，可以從聚類和傳遞速度上全局衡量網(wǎng)絡(luò)的效率。
[0018]本發(fā)明中用到了社會網(wǎng)絡(luò)分析的小世界屬性特征、相稱混合特征、同步特征和層次特征，其中小世界屬性特征表示網(wǎng)絡(luò)的傳遞效率，又可以細(xì)分為6個屬性，包括聚類系數(shù)、特征路徑長度、以及其分別在隨機(jī)網(wǎng)絡(luò)中的度量、度和全局特征。
[0019]屬性特征中小世界屬性特征和相稱混合屬性特征最能夠反應(yīng)出ADHD fMRI數(shù)據(jù)的特征。小世界屬性特征首先計(jì)算腦網(wǎng)絡(luò)和100個同等規(guī)模隨機(jī)網(wǎng)絡(luò)的特征路徑長度(即數(shù)學(xué)意義上的平均最短路徑)和聚類系數(shù)C

【權(quán)利要求】
1.一種基于社會網(wǎng)絡(luò)分析的兒童多動癥判別方法，其特征在于，此方法分為: 步驟I，對核磁數(shù)據(jù)的預(yù)處理: 首先，原始fMRI數(shù)據(jù)是大小為49*58*47的3D圖像時間序列，為消除其因?qū)嶒?yàn)條件外部變化造成的數(shù)據(jù)差異以及對數(shù)據(jù)進(jìn)行規(guī)范化統(tǒng)一處理，進(jìn)行數(shù)據(jù)預(yù)處理，包括頭動校正、時間層校正、空間歸一化操作；所述預(yù)處理的頭動校正用于消除在實(shí)驗(yàn)過程中由實(shí)驗(yàn)者頭動產(chǎn)生的干擾，時間層校正主要用來校正系列成像中層與層獲得時間的不同是各層得到的時間保持一致，空間歸一化用標(biāo)準(zhǔn)大腦空間衡量不同形狀的實(shí)驗(yàn)者大腦使其可以用一個坐標(biāo)系來描述； 然后，對預(yù)處理后的fMRI數(shù)據(jù)依據(jù)Brodmann標(biāo)準(zhǔn)劃分為48個不同的功能區(qū)域即子分區(qū)，以進(jìn)行后續(xù)的處理分析； 步驟2，計(jì)算基于腦網(wǎng)絡(luò)的各屬性特征集，以圖表、折線圖的形式展現(xiàn)出來: 對每一個子分區(qū)構(gòu)建基于社會網(wǎng)絡(luò)的腦功能網(wǎng)絡(luò)，以每一個核磁圖像的像素點(diǎn)(像素點(diǎn)即原始核磁數(shù)據(jù)的最小單位)作為網(wǎng)絡(luò)的結(jié)點(diǎn)，像素點(diǎn)之間的相關(guān)關(guān)系作為對邊的衡量，在滿足Ulog(Ii)(其中Kran表示網(wǎng)絡(luò)的全局度數(shù)，η表示網(wǎng)絡(luò)規(guī)模及節(jié)點(diǎn)個數(shù))的條件下，尋找使小世界屬性達(dá)到最優(yōu)的閾值，對相關(guān)關(guān)系進(jìn)行劃分得到邊的集合，得到的網(wǎng)絡(luò)即為基于社會網(wǎng)絡(luò)的腦功能網(wǎng)絡(luò)；所述的構(gòu)建基于社會網(wǎng)絡(luò)的腦功能網(wǎng)絡(luò)，用到了社會網(wǎng)絡(luò)分析的小世界屬性特征、相稱混合特征、同步特征和層次特征，其中小世界屬性特征表示網(wǎng)絡(luò)的傳遞效率，又可以細(xì)分為6個屬性，包括聚類系數(shù)、特征路徑長度、聚類系數(shù)和特征路徑長度分別在隨機(jī)網(wǎng)絡(luò)中的度量、度和全局特征； 所述小世界屬性特征，首先計(jì)算腦網(wǎng)絡(luò)和100個同等規(guī)模隨機(jī)網(wǎng)絡(luò)的特征路徑長度(即數(shù)學(xué)意義上的平均最短路徑)和聚類系數(shù)C^ 3χΜ —I
N 其中M表示網(wǎng)絡(luò)中三角關(guān)系的個數(shù)，N表示三元組連接的節(jié)點(diǎn)個數(shù)， 然后用腦網(wǎng)絡(luò)和100個隨機(jī)網(wǎng)絡(luò)的平均特征路徑長度的比值和聚類系數(shù)的比值來衡量腦網(wǎng)絡(luò)的小世界屬性，計(jì)算某個區(qū)域網(wǎng)絡(luò)的自交互性、自傳播性及整體經(jīng)濟(jì)效率特征，在某些特定區(qū)域ADHD組與控制組表現(xiàn)出一定程度上的不同，也反應(yīng)了兩組之間對信息和行為的處理存在很大的差別； 所述相稱混合屬性特征r是影響自組織臨界性的一個重要因素
m-汔",.?-μ^?^(λ.+^.) r =-P-=[Γ
Μ-'Σ/^Λ2+^2)- Μ-去(；?) 其中ji，h表示第i邊所屬兩個節(jié)點(diǎn)度數(shù)，M表示邊總數(shù)； 所述同步特性和層次特性，分別反應(yīng)了區(qū)域網(wǎng)絡(luò)對信息的同步處理能力和層次效率影響； 所述小世界屬性特征、相稱混合特征、同步特征和層次特征，這些屬性特征集作為輸入信息，進(jìn)行訓(xùn)練和預(yù)測，得到最終的分類結(jié)果。
【文檔編號】G06F19/00GK104161518SQ201410387812
【公開日】2014年11月26日 申請日期:2014年8月8日 優(yōu)先權(quán)日:2014年8月8日
【發(fā)明者】何良華, 郭曉姣, 匡德萍, 安秀, 趙一璐, 郝俊禹, 尹虹毅 申請人:同濟(jì)大學(xué)