一种脑认知驱动的脑网络可变图卷积分析方法

本发明公开了一种脑认知驱动的脑网络可变图卷积分析方法，属于医学图像处理技术领域，包括以下步骤：S1、针对脑网络的DTI模态数据和fMRI数据，采用基于深度学习的可重叠的自适应脑网络社区检测方法进行脑社区划分；S2、定义自适应社区检测得分得到最适脑区归属矩阵；S3、基于最适脑区归属矩阵，采用单向消息传递机制建立基于脑社区结构的自适应可变图卷积网络进行脑网络分类。本发明通过结合脑网络的社区结构动态调整图卷积感受野，融合脑结构与功能数据，利用伯努利‑泊松概率模型优化社区检测，并引入单向消息传递机制模拟脑区间的有向信息流动，有效捕捉了脑区间的远程依赖关系和高阶拓扑特征，显著提升了脑网络分析的准确性和个体化能力。