一种基于自适应图结构学习构建动态脑网络的神经退行性疾病诊断方法

本发明公开了一种基于自适应图结构学习构建动态脑网络的神经退行性疾病诊断方法，属于人工智能技术领域。本发明提出了一个自适应图结构学习多层次神经疾病诊断框架，能够自动地学习和发现多个大脑区域之间复杂而深入的连接模式，从而构建动态脑网络。包括通过窗口映射模块，将脑网络的全局结构嵌入到基于时间窗口的脑网络构建中，从而提高了脑网络拓扑特征表示的丰富性和准确性；在窗口特征的融合过程中，提出了一个可学习的时间图卷积模块，旨在自动捕获跨时间窗口的时间连接性，并有效地整合从不同的时间窗口提取的高阶动态拓扑特征。最后利用多层感知机实现疾病诊断和分类。本发明能有效提高fMRI数据下神经退行性疾病的识别和分类准确率。