一种基于双编码器与扩散模型的脑疾病预测方法

本发明涉及医学人工智能技术领域，公开了一种基于双编码器与扩散模型的脑疾病预测方法，包括：对功能磁共振图像预处理并构建脑功能网络；通过扩散模型实现语义保持的数据增强，其中加噪过程采用双重随机矩阵和余弦调度策略，去噪过程利用含全局拓扑特征的GraphTransformer神经网络；采用双编码器分别提取脑网络的空间特征和BOLD信号的时间动态特征；设计三重对比学习机制优化跨维度特征交互；最终迁移至下游分类任务实现疾病预测。通过扩散增强缓解小样本过拟合，提升诊断可靠性；融合时空特征辅助多维度病理分析；增强模型跨站点适应性，支持多中心异构数据协同分析。本发明适用于自闭症等脑疾病的辅助诊断。