基于Mamba的动态脑网络特征学习方法

本发明属于计算机辅助诊断技术领域，具体涉及基于Mamba的动态脑网络特征学习方法，步骤包括：进行数据处理，包括数据收集、数据预处理、动态功能网络序列构建和状态转换序列的构建；将处理后的数据作为样本数据，进行样本增强；构建包含线性嵌入层、Mamba层、线性映射层一、激活函数和损失函数的Mamba模型，作为分类模型；利用状态转换序列对Mamba模型进行训练，优化Mamba模型的超参数；基于训练后的Mamba模型，对增强后的样本数据进行预测，通过Mamba模型输出的标签来确定样本数据的分类结果。本发明能够高效捕捉动态脑网络状态转移序列中隐藏的联系，实现对每个脑网络序列的高精度分类。