适于多频动态功能网络分析的稀疏低秩耦合张量分解方法

一种基于稀疏低秩约束的耦合张量分解方法，用于静息态功能磁共振成像数据中多频动态功能网络连接张量的特征分解。本算法在传统的耦合典范因子分解(Coupled Canonical Polyadic Decomposition，CCPD)基础上，构建了稀疏与低秩约束的优化模型。在空间连通性维度上，通过L1稀疏惩罚项减少冗余的功能连接，强化关键脑网络的空间特异性；在时间与频段维度上，采用低秩正则化约束提升跨被试时序特征的判别性。总的来说，本方法可从多频段的动态功能网络连接张量中有效提取具有统计学显著性的连通性特征和不同频段的时间状态，从而有效辨识精神分裂症患者与健康对照群体间的功能连接异质性特征。