《基于社会网络分析的儿童多动症判别方法.pdf》由会员分享，可在线阅读，更多相关《基于社会网络分析的儿童多动症判别方法.pdf（10页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104161518A43申请公布日20141126CN104161518A21申请号201410387812622申请日20140808A61B5/055200601G06F19/0020110171申请人同济大学地址200092上海市杨浦区四平路1239号72发明人何良华郭晓姣匡德萍安秀赵一璐郝俊禹尹虹毅74专利代理机构上海天协和诚知识产权代理事务所31216代理人叶凤54发明名称基于社会网络分析的儿童多动症判别方法57摘要一种基于社会网络分析的儿童多动症判别方法，分为步骤1，对核磁数据的预处理首先，对数据进行规范化统一处理，空间归一化用标准大脑空间衡量不同形状的实验者大脑。
2、使其可用一个坐标系来描述；然后，对预处理后的FMRI数据标准划分子分区，以进行后续的处理分析；步骤2，计算基于脑网络的各属性特征集，以图表、折线图的形式展现出来。与社会网络属性特征相结合，提供更加适合的属性特征对特定区域进行深入分析，更好的发挥了社会网络分析相对于现有网络分析研究的优势，利用ADHD和控制组之间的差异性突出表现属性特征的典型意义，同时发现ADHD在特定区域的不同于控制组的表现，以便通过这些特定区域特定表现分析研究ADHD的病变和发展。51INTCL权利要求书1页说明书4页附图4页19中华人民共和国国家知识产权局12发明专利申请权利要求书1页说明书4页附图4页10申请公布号CN1。
3、04161518ACN104161518A1/1页21一种基于社会网络分析的儿童多动症判别方法，其特征在于，此方法分为步骤1，对核磁数据的预处理首先，原始FMRI数据是大小为495847的3D图像时间序列，为消除其因实验条件外部变化造成的数据差异以及对数据进行规范化统一处理，进行数据预处理，包括头动校正、时间层校正、空间归一化操作；所述预处理的头动校正用于消除在实验过程中由实验者头动产生的干扰，时间层校正主要用来校正系列成像中层与层获得时间的不同是各层得到的时间保持一致，空间归一化用标准大脑空间衡量不同形状的实验者大脑使其可以用一个坐标系来描述；然后，对预处理后的FMRI数据依据BRODMAN。
4、N标准划分为48个不同的功能区域即子分区，以进行后续的处理分析；步骤2，计算基于脑网络的各属性特征集，以图表、折线图的形式展现出来对每一个子分区构建基于社会网络的脑功能网络，以每一个核磁图像的像素点像素点即原始核磁数据的最小单位作为网络的结点，像素点之间的相关关系作为对边的衡量，在满足KRANLOGN其中KRAN表示网络的全局度数，N表示网络规模及节点个数的条件下，寻找使小世界属性达到最优的阈值，对相关关系进行划分得到边的集合，得到的网络即为基于社会网络的脑功能网络；所述的构建基于社会网络的脑功能网络，用到了社会网络分析的小世界属性特征、相称混合特征、同步特征和层次特征，其中小世界属性特征表示。
5、网络的传递效率，又可以细分为6个属性，包括聚类系数、特征路径长度、聚类系数和特征路径长度分别在随机网络中的度量、度和全局特征；所述小世界属性特征，首先计算脑网络和100个同等规模随机网络的特征路径长度即数学意义上的平均最短路径和聚类系数C其中M表示网络中三角关系的个数，N表示三元组连接的节点个数，然后用脑网络和100个随机网络的平均特征路径长度的比值和聚类系数的比值来衡量脑网络的小世界属性，计算某个区域网络的自交互性、自传播性及整体经济效率特征，在某些特定区域ADHD组与控制组表现出一定程度上的不同，也反应了两组之间对信息和行为的处理存在很大的差别；所述相称混合属性特征R是影响自组织临界性的一。
6、个重要因素其中JI，KI表示第I边所属两个节点度数，M表示边总数；所述同步特性和层次特性，分别反应了区域网络对信息的同步处理能力和层次效率影响；所述小世界属性特征、相称混合特征、同步特征和层次特征，这些属性特征集作为输入信息，进行训练和预测，得到最终的分类结果。权利要求书CN104161518A1/4页3基于社会网络分析的儿童多动症判别方法技术领域0001本发明涉及人工智能与智能计算领域的一种基于社会网络分析的儿童多动症判别方法。技术背景0002ADHD核磁数据0003ADHDATTENTIONDECITHYPERACTIVITYDISORDER，注意缺陷多动障碍，是一种多发生于学龄儿童的行为。
7、疾病，具体表现为注意力不集中、多动等，如很难集中注意力于某件事情上或很难控制住自己的行为经常发出叫声等。这些现象会在病人身上持续很长时间并且有可能会对其生活和心理产生很大的影响。0004基于ADHD的FMRIFUNCTIONALMAGNETICRESONANCEIMAGING，功能磁共振成像数据，即针对ADHD病人采用功能磁共振成像的方法得到的其大脑断层扫描图像数据，可以准确地反映大脑各功能区域的活动。血氧水平依赖BOLD功能性磁共振成像是利用脑活动生理过程中脑血流、脑血流容积、血液氧含量等微弱的能量代谢过程来成像的。0005ADHD200拥有来自不同机构的776位参与者的静息态功能磁共振成像。
8、FMRI数据，具有数据量足够大、信息完整和环境一致等优点，本发明主要用NYUNEWYORKUNIVERSITYCHILDSTUDYCENTER和KKIKENNEDYKRIEGERINSTITUTE数据库进行实验。0006通过对比ADHD组和控制组的FMRI数据，可以在某些特定区域发现明显差异。在此过程中先对FMRI数据进行去噪等预处理，合理的划分大脑功能区域得到尽可能最大程度上反应大脑活动的数据，以进行研究分析。0007社会网络分析方法0008社会网络分析理论指出，社会行动者的行为并非是独立的，而是相互依赖、相互关联的。社会行动者就是网络中的结点，社会行动者之间的行为关联就是网络中结点的连线。。
9、如此一来，社会网络就以图的形式表示出来了，人们就可以运用图论和社会网络分析的方法来研究社会网络中隐含的关系。0009国内外学者已经把社会网络分析方法应用在很多研究领域，在竞争、知识管理、图书馆资源配置、学科热点、引文分析、科研人员合著、博客网络、上市公司之间的资本关系等方面展开了一系列研究，并应用在舆情和疫情防控、组织管理和风险规避、知识共享和创新等。0010国内目前对于社会网络的研究也正处于实证研究阶段，像对于论文合作网络的研究，中药方剂网络的研究，中国菜肴网络的研究，中国火车车次网络的统计研究，中国两个城市的公交线路网的研究以及中国电力网的统计研究，这些研究，都是在对数据进行搜集统计的情况。
10、下，然后对国外关于社会网络和复杂网络得出的一些研究结论和模型进行了验证。如对复杂网络理论中的小世界效应和无标度网络等网络特性进行验证。0011通过在线社会网络获取信息，分析信息发布者之间的关系及信息传播过程，可以更加有针对性地更加有效地获取需要的。不少研究者对在线交友网络、在线社区和在线社说明书CN104161518A2/4页4会媒体等3大类在线社交网络进行实证研究。通过对网络社区的分析，刻画群体中成员地位的形成、意见领袖的特点和群体内部人际交往的特征，绘制组织内部信息沟通、咨询、知识传播等社会关系网络。0012随着对社会网络研究的深入，社会网络更多地应用在不同领域，同样在大脑研究领域也引起了。
11、重视，如研究发现社会网络大小对大脑的影响等，但完全将社会网络分析的优势应用于脑网络研究，还需要研究者的共同努力。发明内容0013本发明的目的在于，首次提出通过合理运用社会网络分析的优势来挖掘大脑网络信息，实现对儿童多动症进行判别分析。具体说，为此，本发明提供一种基于社会网络分析的儿童多动症判别方法，利用社会网络分析方法的多种属性特征优势，并且能够精确地量化社会网络属性，以详细的属性特征值、图表等多种形式来量化研究ADHD病人的大脑异常区域，从而达到对儿童多动症的判别目的，克服现有研究方法不精确的缺点。本发明应用于研究和实验，不直接应用于临床检测筛选和治疗。0014为实现上述目的，本发明给出的实。
12、施方案为0015一种基于社会网络分析的儿童多动症判别方法，其特征在于，此方法分为两大组成部分对核磁数据的预处理和大脑网络的构建和计算分析属性特征。预处理及构建网络部分负责对数据进行初步预处理并且依据大脑网络的特点构建合适成熟的脑网络，同时符合社会网络特征的构建条件，为ADHDFMRI的数据分析提供一个可靠的网络平台。属性特征部分则负责计算基于脑网络的各属性特征，同时以图表、折线图的形式展现出来。其计算的属性特征均在社会网络中具有典型意义同时适合于脑网络。0016首先，原始FMRI数据是大小为495847的3D图像时间序列，为消除其因实验条件等外部变化造成的数据差异以及对数据进行规范化统一处理，。
13、需要进行数据预处理，包括头动校正、时间层校正、空间归一化等操作。预处理的头动校正用于消除在实验过程中由实验者头动产生的干扰，时间层校正主要用来校正系列成像中层与层获得时间的不同是各层得到的时间保持一致，空间归一化用标准大脑空间衡量不同形状的实验者大脑使其可以用一个坐标系来描述。然后对预处理后的FMRI数据依据BRODMANN标准一种大脑功能区域划分标准划分为48个不同的功能区域即子分区，以进行后续的处理分析。0017对每一个功能区域构建基于社会网络的脑功能网络，以每一个核磁图像的像素点像素点即原始核磁数据的最小单位作为网络的结点，像素点之间的相关关系作为对边的衡量，在满足KRANLOGN其中K。
14、RAN表示网络的全局度数，N表示网络规模及节点个数的条件下，寻找使小世界属性达到最优的阈值，对相关关系进行划分得到边的集合，得到的网络即为基于社会网络的脑功能网络。所谓小世界属性，是社会网络中的一种属性特征，可以从聚类和传递速度上全局衡量网络的效率。0018本发明中用到了社会网络分析的小世界属性特征、相称混合特征、同步特征和层次特征，其中小世界属性特征表示网络的传递效率，又可以细分为6个属性，包括聚类系数、特征路径长度、以及其分别在随机网络中的度量、度和全局特征。0019属性特征中小世界属性特征和相称混合属性特征最能够反应出ADHDFMRI数据的特征。小世界属性特征首先计算脑网络和100个同等。
15、规模随机网络的特征路径长度即数说明书CN104161518A3/4页5学意义上的平均最短路径和聚类系数C00200021其中M表示网络中三角关系的个数，N表示三元组连接的节点个数，然后用脑网络和100个随机网络的平均特征路径长度的比值和聚类系数的比值来衡量脑网络的小世界属性，计算某个区域网络的自交互性、自传播性及整体经济效率特征，在某些特定区域ADHD组与控制组表现出一定程度上的不同，也反应了两组之间对信息和行为的处理存在很大的差别。而相称混合属性特征R是影响自组织临界性的一个重要因素00220023其中JI，KI表示第I边所属两个节点度数，M表示边总数。其他属性特征例如同步特性和层次特性，分。
16、别反应了区域网络对信息的同步处理能力和层次效率影响。同时这些属性特征集作为输入信息，进行训练和预测，得到最终的分类结果。0024与现有研究相比，本发明创新点及有益效果构建更加成熟合适的大脑网络，与社会网络属性特征相结合，提供更加适合的属性特征对特定区域进行深入分析，更好的发挥了社会网络分析相对于现有网络分析研究的优势，利用ADHD和控制组之间的差异性突出表现属性特征的典型意义，同时发现ADHD在特定区域的不同于控制组的表现，以便通过这些特定区域特定表现分析研究ADHD的病变和发展，从而使研究者对ADHD有更深入的了解。附图说明0025图1整体结构图0026图2初始数据图0027图3区域特征图0。
17、028图4结果对比图具体实施方式0029以下结合附图和实例对本发明方案作进一步说明。0030本发明利用社会网络分析方法的优势，通过社会网络属性特征来对ADHDFMRI数据进行进一步的分析研究。此方法分为两大组成部分预处理及构建脑网络和计算分析属性特征。其中，构建网络负责依据大脑网络的特点构建合适成熟的脑网络，同时符合社会网络特征的构建条件，为ADHDFMRI的数据分析提供一个可靠的网络平台。属性特征部分则负责计算基于脑网络的各属性特征，同时以图表、折线图的形式展现出来。其计算的属性特征均在社会网络中具有典型意义同时适合于脑网络。结合图1，具体的内容包括00311FMRI数据的预处理00322针。
18、对FMRI数据进行符合大脑结构的功能性划分区域00333构建适合于社会网络分析的大脑网络00344对每个具体的网络计算属性特征说明书CN104161518A4/4页600355结合大脑特征和社会网络分析对属性特征进行分析研究0036案例00371基于社会网络分析得到所有48个区域的属性特征0038对FMRI数据进行预处理之后的数据表现为去除一定可控因素后的大脑图像，如图2所示为某一时刻的大脑切片图。进而对预处理之后的核磁数据进行大脑子分区划分，构建48个不同大脑功能区域的网络，对每个网络计算属性特征集，得到48个区域的具体属性特征集，以表格的形式展现出来，如图3，其中特征即分别为小世界属性特征。
19、的6个属性和相称混合特征、同步特征、层次特征。00392ADHD组与控制组的判别0040在查看48个区域的ADHD组和控制组的属性特征表之后，则可剔除一些没有明显差异的区域，再针对剩下的区域进行详细的分析，提取重要特征信息，构建新的包含特定区域的ADHD组和控制组的重要属性特征的表格，同时依据表格用直观的图形方式展现出来，如图4显示了ADHD组和控制组的特定区域的差异和趋势信息，由此可以看出本发明提出的基于社会网络的儿童多动症判别方法相对于已有研究方法取得了更加明显的效果。说明书CN104161518A1/4页7图1说明书附图CN104161518A2/4页8图2说明书附图CN104161518A3/4页9图3说明书附图CN104161518A4/4页10图4说明书附图CN104161518A10。