一种基于图粗化与三维动态时空图注意力网络的fMRI智能分析方法

本发明公开了一种基于图粗化与三维动态时空图注意力网络的fMRI智能分析方法，用于精准高效地识别睡眠障碍。本方法首先对采集到的人脑磁共振图像预处理并映射到标准脑模板进行区域划分，对各个感兴趣区域(ROI)的时间序列信号取平均值，提取血氧水平依赖(BOLD)信号。随后，利用格兰杰因果分析构建动态有效功能连接矩阵，并通过高斯混合模型进行图粗化，生成精简后的有效功能连接矩阵，该矩阵被输入到构建的时空图卷积神经网络(ST‑GCN)中，以进行深层次特征提取。此外，为了增强对动态有效连接矩阵中关键时空区域的关注，并有效捕捉脑区间在特定时间点的动态变化，本发明在时空图卷积神经网络中引入了空间与通道混合注意力机制模块(CBAM)。该模块通过自适应地分配空间和通道注意力权重，提升模型的判别能力。最终，网络通过全连接层(FC)将提取的时空特征映射至分类标签空间，实现睡眠障碍的自动识别。本发明方法可有效应用于睡眠障碍的诊断，为神经康复提供重要的技术支持和临床指导。