一种基于动静态脑网络结合的孤独症分类算法

本发明公开了一种基于动静态脑网络结合的孤独症分类算法，静态脑网络编码器有效提取全局脑网络特征并生成语义信息更丰富的功能连接；动态脑网络编码器对动态连接中的每个子序列单独编码并根据注意力机制融合所有编码；图分类器则将前两个模块的结果重组成一个高阶功能连接脑图并基于GCN算法进行分类。本发明通过引入静态脑网络编码器，有效地学习静态功能连接矩阵中的深层特征，并且通过引入动态脑网络编码器模块，具有了学习脑网络的时间动态性和整合动态功能连接的能力，极大提高了模型的大脑拟合能力，最后在经过图分类器的表征学习，模型可以从动态脑网络和静态脑网络两方面深刻学习大脑对疾病的分类特征，从而可以提高模型的分类性能。