一种基于神经活动时空特征的生物体大脑拓扑结构预测方法

本发明提出一种基于神经活动时空特征的生物体大脑拓扑结构预测方法，将深度学习技术与传统成像技术相结合，首先利用传统方法获得部分神经元的连接关系；然后基于这些已知的连接关系构建图神经网络，并将长短期记忆LSTM网络引入图神经网络中，搭建大脑拓扑结构预测模型；接着通过已知神经元的钙活性数据对预测模型进行训练；待模型训练完成后，将未知神经元的钙活性数据输入模型，即可预测未知神经元与已知神经元之间的连接关系。随着已知神经元数量的增加，神经连接图谱不断被扩展，基于神经连接图谱构建的大脑拓扑结构预测模型经过不断迭代，其性能会不断提高，从而有效提高了模型的预测准确率，加快了神经连接关系的挖掘速度。