基于近红外信号时序动态图傅里叶变换的脑网络量化分析方法

本发明公开了一种基于近红外信号时序动态图傅里叶变换的脑网络量化分析方法，基于fNIRS信号构建脑网络，利用动态时间扭曲算法优化时间序列对齐，并通过自适应K‑Means聚类结合肘部法则划分动态网络时段；引入邻居拓扑重叠系数和特征向量中心性分析，构建时序动态图以量化节点层间连接稳定性；提出时序动态图傅里叶变换方法，通过时变图拉普拉斯矩阵的谱分解，将脑功能信号映射至时‑空‑频三维联合域，生成动态频谱图以解析多尺度时空演化模式；设计图滤波器分离低频(全局协调)与高频(局部突变)成分，建立功能‑结构动态约束模型。本发明为揭示脑网络动态重组机制及神经适应性变化提供高效、精准的量化工具。