(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210901291.6 (22)申请日 2022.07.28 (71)申请人 华南师大 （清远） 科技创新研究院有 限公司 地址 511517 广东省清远市高新区创兴大 道18号天安智谷科技产业园总部楼 F03 (72)发明人 秦鹏民　周力伟　聂晶鑫　张龚巍　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 李可 (51)Int.Cl. A61B 5/055(2006.01) A61B 5/00(2006.01) G06K 9/62(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于脑网络特征的孤独症幼儿分类方 法及装置 (57)摘要 本发明公开了一种基于脑网络特征的孤独 症幼儿分类方法及装置。 所述方法包括： 获取不 同年龄段的待测幼儿的静息态功能磁共振成像 数据， 并进行数据预处理， 得到训练样本； 基于所 述训练样 本选取特征向量， 并对 所述特征向量进 行训练， 得到支持向量机分类器； 获取待分类的 静息态功能磁共振成像数据作为测试样本， 并将 所述测试样本输入到所述支持向量机分类器进 行分类， 得到分类结果。 本发明的方法在特征选 取时结合了脑网络间的功能连接和脑网络的图 论指标， 能够更好地揭示孤独症谱系障碍幼儿大 脑发育异常的神经机制， 提高了支持向量机分类 器的准确率、 敏感性和特异性。 权利要求书3页 说明书11页 附图3页 CN 115316973 A 2022.11.11 CN 115316973 A 1.一种基于脑网络特 征的孤独症 幼儿分类方法， 其特 征在于， 所述方法包括： 获取不同年龄段的待测幼儿的静息态功能磁共振成像数据， 并进行数据预处理， 得到 训练样本； 其中， 所述预 处理包括： 格式转换、 去除前3个时间点的数据、 层间时间校正、 头动 校正、 结构功能图像 配准、 空间标准 化、 空间平 滑、 带通滤波和去除生理噪音； 基于所述训练样本选取特征向量， 并对所述特征向量进行训练， 得到支持向量机分类 器； 获取待分类的静息态功能磁共振成像数据作为测试样本， 并将所述测试样本输入到所 述支持向量机分类 器进行分类， 得到分类结果。 2.根据权利要求1所述的基于脑网络特征的孤独症幼儿分类方法， 其特征在于， 所述基 于所述训练样本选取特征向量， 并对所述特征向量进行训练， 得到支持向量机分类器， 包 括： 获取每个所述训练样本的静息态脑网络， 根据所述静息态脑网络得到静息态脑网络的 功能连接矩阵； 根据所述静息态 脑网络的功能连接矩阵得到有显著差异的脑网络功能连接； 获取每个所述静息态脑网络对应的脑区， 根据所述脑区构建脑网络 图， 并根据所述脑 网络图得到第一图论指标和第二图论指标； 将所述有显著差异的脑网络功能连接、 所述第 一图论指标和所述第 二图论指标作为所 述特征向量， 并采用fitcsvm函数对所述特 征向量进行训练， 得到所述支持向量机分类 器。 3.根据权利要求2所述的基于脑网络特征的孤独症幼儿分类方法， 其特征在于， 所述获 取每个所述训练样本的静息态脑网络， 根据所述静息态脑网络得到静息态脑网络的功能连 接矩阵， 包括： 为每个所述训练样本的左右大脑半球分别确定七个静息态脑网络； 其中， 所述七个静 息态脑网络包括： 默认网络， 执行控制网络， 突显网络， 背侧注 意网络， 听觉网络， 运动网络， 视觉网络； 获取所述训练样本 中孤独症谱系障碍幼儿的每个静息态脑网络的时间序列均值， 得到 十四个第一时间序列 均值； 获取所述训练样本 中典型发育幼儿的每个静息态脑网络的时间序列均值， 得到十四个 第二时间序列 均值； 计算任意两个第一时间序列 均值之间的皮尔逊相关系数， 得到第一相关系数； 计算任意两个第二时间序列 均值之间的皮尔逊相关系数， 得到第二相关系数； 根据所述第一相关系数， 得到第一静息态 脑网络的功能连接矩阵； 根据所述第二相关系数， 得到第二静息态 脑网络的功能连接矩阵。 4.根据权利要求3所述的基于脑网络特征的孤独症幼儿分类方法， 其特征在于， 所述根 据所述静息态 脑网络的功能连接矩阵得到有显著差异的脑网络功能连接， 包括： 将所述第一静息态脑网络的功能连接矩阵和所述第二静息态脑网络的功能连接矩阵 进行置换检验和多重比较矫 正， 得到所述有显著差异的脑网络功能连接 。 5.根据权利要求2所述的基于脑网络特征的孤独症幼儿分类方法， 其特征在于， 所述获 取每个所述静息态脑网络对应的脑 区， 根据所述脑 区构建脑网络图， 并根据所述脑网络图 得到第一图论指标和第二图论指标， 包括：权　利　要　求　书 1/3 页 2 CN 115316973 A 2获取每个所述静息态脑网络对应的脑区， 并分别提取每个脑区的时间序列的均值作为 每个脑区对应的脑网络节点； 其中， 所述脑 区的时间序列均值为所述脑 区中所有体素 的时 间序列的算 术均平均值； 计算任意两个脑区i， j的时间序列均值xi， xj， i， j∈{1， ...， M}之间的皮尔逊相关系数 ri， j； 根据所述皮尔逊相关系数ri， j， 得到所述脑区的功能连接矩阵R＝(ri， j)M×M×N， 其中M为 脑区的个数， N 为所述训练样本的个数； 将所述脑区的功能连接矩阵R进行二 值化处理， 得到二 值化脑网络矩阵W ＝(bi， j)M×M×N； 根据所述脑网络节点和所述 二值化脑网络矩阵得到脑网络图； 根据所述脑网络图得到所述第一图论指标和所述第二图论指标。 6.根据权利要求5所述的基于脑网络特征的孤独症幼儿分类方法， 其特征在于， 所述将 所述脑区的功能连接矩阵R进行二 值化处理， 得到二 值化脑网络矩阵W ＝(bi， j)M×M×N， 包括： 若所述脑区的功能连接矩阵中的皮尔逊相 关系数ri， j大于或等于预设的第一阈值γ， 则连通系数bi， j＝1， 脑区i， j之间存在一条 连接， 即对应的脑网络节点之间存在一条边； 若所述脑区的功能连接矩阵中的皮尔逊相 关系数ri， j小于预设的第一阈值γ， 则所述 连通系数bi， j＝0， 脑区i， j之间不存在连接， 即对应的脑网络节点之间不存在边； 根据所述连通系数 得到所述 二值化脑网络矩阵W ＝(bi， j)M×M×N。 7.根据权利要求5所述的基于脑网络特征的孤独症幼儿分类方法， 其特征在于， 所述根 据所述脑网络图得到所述第一图论指标和所述第二图论指标， 包括： 根据所述脑网络图得到所述第一图论指标为 其中V为所有脑网络节点组成的集合， 为脑网络节点i的聚类系数， Ki为 与所述脑区i与其他脑区之间存在的连接数； ei为脑网络节点i与相邻 脑网络节点组成的子 网络图Gi中实际存在的边数， G为所述脑网络图； 根据所述脑网络图得到所述第二图论指标为 其中E(Gi)为与脑网络节点 i相邻的脑网络节点所构成的脑网络 子图Gi的局部效率。 8.一种基于脑网络特 征的孤独症 幼儿分类装置， 其特 征在于， 所述装置包括： 训练样本获取模块， 用于获取不同年龄段的待测幼儿的静息态功能磁共振成像数据， 并进行数据预处 理， 得到训练样本； 支持向量机分类器获取模块， 用于基于所述训练样本选取特征向量， 并对所述特征向 量进行训练得到支持向量机分类 器； 分类模块， 用于获取待分类的静息态功能磁共振成像数据作为测试样本， 并将所述测 试样本输入到所述支持向量机分类 器进行分类， 得到分类结果。 9.一种智能终端， 其特征在于， 所述智能终端包括存储器、 处理器及存储在所述存储器 中并可在所述处理器上运行的基于脑网络特征的孤独症幼儿分类程序， 所述处理器执行所权　利　要　求　书 2/3 页 3 CN 115316973 A 3