基于跨模态对比学习的大脑毒品成瘾回路的识别方法

本发明公开了一种基于跨模态对比学习的大脑毒品成瘾回路的识别方法，旨在解决在毒品成瘾诊断中Rs‑fMRI数据本身噪声较大、与T1加权成像MRI数据异质性难以融合，诊断性能难以提升，诊断结果难以解释等问题，本发明方法通过对T1加权MRI成像数据和Rs‑fMRI数据的预处理、多模态图构建、子图生成、跨模态对比学习，既能在子图级别实现可解释的节点与连接筛选，又通过对比损失缓解功能连接与结构协变模态间的异质性并充分挖掘多模态互补信息，从而实现对大脑毒品成瘾回路的识别。