一种基于社区感知的脑疾病分类方法

本发明提供一种基于社区感知的脑疾病分类方法，方法包括利用经训练的模型对基于对象脑部的fMRI时间序列构建的多个图数据进行处理，得到患该脑疾病的概率；模型训练包括：获取预定脑疾病的微调训练集，包括多个微调样本，每个样本包括用于指示该样本相关对象是否患该脑疾病的类别标签和包含多个图数据的输入数据；利用该训练集对模型进行多轮训练，在每轮中，利用模型处理输入数据得到融合特征和对象患该脑疾病的概率；获取前一轮更新的每种类别下脑部的各个功能社区包含的感兴趣区域；以最大化每种类别下脑部的每个功能社区中所有感兴趣区域的表征间的相似度和最小化对象患该脑疾病的概率与类别标签间的差异为优化目标，更新模型参数。