计算机应用

作者：杨俊, 庞梦雪, 乔立山

单位：1.聊城大学 数学科学学院，山东 聊城 252000；2.山东建筑大学 计算机科学与技术学院，济南 250101

关键词：脑功能网络,相似性矩阵,隐变量,静息态功能磁共振成像,时序信息

基金：国家自然科学基金面上项目(61976110);国家自然科学基金重点项目(11931008)

脑功能网络在神经或精神类脑疾病的早期诊断中发挥着重要作用，而估计一个高质量的脑功能网络是其中最关键的问题之一。尽管目前已有众多脑功能网络估计方法，但多数仅考虑了脑区间的相关性，忽视了时间点间可能存在的依赖关系。最近的研究发现，引入潜变量编码时间点间的依赖性可以有效提高脑功能网络的判别性；但该方法仅基于相邻时间点的依赖关系，并未有效利用不相邻时间点的信息，无法全面反映脑功能网络的时序特性。因此，提出一种新的脑功能网络估计方法，通过引入相似性矩阵编码不相邻时间点间的依赖关系，旨在提高脑功能网络估计的质量；并设计了交替优化学习算法快速求解该方法的模型。为了评估所提方法的有效性，在3个公开数据集ADNI（Alzheimer's Disease Neuroimaging Initiative）、ABIDE（Autism Brain Imaging Data Exchange）和REST-MDD（REST-meta-MDD Consortium）上分别进行了轻度认知障碍、孤独症与抑郁症的识别实验，实验结果表明，基于所提方法估计的脑功能网络能够获得更优的分类性能。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期