(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210438073.3 (22)申请日 2022.04.25 (71)申请人 华中科技大 学同济医学院附属协和 医院 地址 430015 湖北省武汉市江汉区解 放大 道1277号 (72)发明人 范文亮　杨帆　郑传胜　刘定西　 孔祥闯　刘小明　聂壮　李静　 (74)专利代理 机构 北京和信华成知识产权代理 事务所(普通 合伙) 11390 专利代理师 胡阔雷 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/74(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于影像数据构建高个体辨识力的脑 功能网络方法 (57)摘要 本发明公开了一种基于影像数据构建高个 体辨识力的脑功能网络方法， 包括以下步骤： 步 骤S1、 基于一组参照脑 影像数据得到群体共性脑 影像数据分量和共性率， 以及群体个性脑影像数 据分量和群体个性脑影像数据分量的个性率； 步 骤S2、 得到个体共性脑 影像数据分量以及个体共 性脑影像数据分量的共性率， 共性惩罚率， 得到 个体个性脑影像数据分量的个性奖励率； 步骤 S4、 基于所述共性惩罚率和个性奖励率将个体脑 影像数据构建为基础个体脑功能网络， 并得到表 征高个体辨识力的目标个体脑功能网络。 本发明 实现在个体化识别时降低共性特征的对相似度 识别的干扰， 从有限的功能磁共振成像数据得到 尽可能高个体辨识力的影像特征或者指标， 提高 个体化识别的精度。 权利要求书3页 说明书8页 附图1页 CN 114998200 A 2022.09.02 CN 114998200 A 1.一种基于影像数据构建高个体辨识力的脑功能网络方法， 其特征在于， 包括以下步 骤： 步骤S1、 获取目标对象在脑部静息态下的脑影像数据作为个体脑影像数据， 在医疗大 数据库中抽取一组参照对象在脑部静息态下的脑影像数据作为一组参照脑影像数据， 并基 于一组参照脑影像数据进行分量聚类得到群体共性脑影像数据分量和群体共性脑影像数 据分量的共性 率， 以及群 体个性脑影 像数据分量和群 体个性脑影 像数据分量的个性 率； 步骤S2、 基于群体共性脑影像数据分量与所述个体脑影像数据进行分量交集得到个体 共性脑影像数据分量以及个体共性脑影像数据分量的共性率， 在个体脑影像数中剔除个体 方形脑影像数据分量得到个体个性脑影像数据分量， 并将个体共性脑影像数据分量的共性 率转化为共性惩罚率， 将 个体个性脑影像数据分量基于群体个性脑影像数据分量和群体个 性脑影像数据分量的个性 率得到个 体个性脑影 像数据分量的个性奖励率； 步骤S3、 将个体脑影像数据构建为个体脑功能网络， 将参照脑影像数据构建为参照脑 功能网络， 并将个 体脑功能网络和参照脑 功能网络混合 为训练集； 步骤S4、 基于所述共性惩罚率和个性奖励率将个体脑影像数据构建为基础个体脑功能 网络， 依据相似度识别模型在训练集中的识别正确率构建基础个体脑功能网络的个体辨识 力， 并将个体辨识力作为评价准则对所述共性惩罚率和个性奖励率进 行优化调整得到表征 高个体辨识力的目标个 体脑功能网络 。 2.根据权利要求1所述的一种基于影像数据构建高个体辨识力的脑功能网络方法， 其 特征在于： 所述基于一组参照脑影像数据进 行分量聚类得到群体共性脑影像数据分量和群 体共性脑影像数据分量的共性率， 以及群体个性脑影像数据分量和群体个性脑影像数据分 量的个性 率， 包括： 依次提取每个参照脑影像数据中的数据分量， 并将一组参照脑影像数据中的数据分量 进行汇总为群体数据分量集合， 在数据分量集合依次将数据分量按同类别进 行聚类得到多 个数据分量簇； 分别统计多个数据分量簇中数据分量的数目， 将数据分量数目超过参照对象数目的2/ 3对应的数据分量簇表征 的数据分量作为群体共性脑影像数据分量， 将数据分量数目未超 过参照对象数目的2/ 3对应的数据分量簇表征的数据分量作为群 体个性脑影 像数据分量； 计算群体共性脑影像数据分量的数量与参照对象数目的比值作为所述共性率， 计算群 体个性脑影 像数据分量的数量与参照对象数目的比值作为所述个性 率。 3.根据权利要求2所述的一种基于影像数据构建高个体辨识力的脑功能网络方法， 其 特征在于： 所述基于群体共性脑影像数据分量与所述个体脑影像数据进 行分量交集得到个 体共性脑影 像数据分量以及个 体共性脑影 像数据分量的共性 率， 包括： 依次提取个性脑影像数据中的数据分量并汇总得到个体数据分量集合， 并将个体数据 分量集合与所述群 体共性脑影 像数据分量进行求交集处 理得到个 体共性脑影 像数据分量； 将群体共性脑影像数据分量的共性率作为同类别的所述个体共性脑影像数据分量的 共性率。 4.根据权利要求3所述的一种基于影像数据构建高个体辨识力的脑功能网络方法， 其 特征在于： 所述将个 体共性脑影 像数据分量的共性 率转化为共性惩罚率， 包括： 利用相似度识别模型的惩罚机制依次将每个个体共性脑影像数据分量的所述共性率权　利　要　求　书 1/3 页 2 CN 114998200 A 2转化为共性惩罚 率， 以降低个体共性脑影像数据分量对相似度识别模型 的识别精度干扰， 所述共性 惩罚率的计算公式为： 式中， pci表征为第i个个体共性脑影像数据分量的共性惩罚率， PAi表征为第i个个体共 性脑影像数据分量的共性 率， i为计量常数。 5.根据权利要求4所述的一种基于影像数据构建高个体辨识力的脑功能网络方法， 其 特征在于： 所述将个体个性脑影像数据分量基于群体个性脑影像数据分量和群体个性脑影 像数据分量的个性 率得到个 体个性脑影 像数据分量的个性奖励率， 包括： 将群体个性脑影像数据分量的个性率作为同类别的所述个体个性脑影像数据分量的 个性率， 所述个 体个性脑影 像数据分量的个性 率的计算公式为： 式中， Pdj表征为第j个个体个性脑影像数据分量的个性率， PBk表征为第k个群体个性脑 影像数据分量的个 性率， Sk表征为第k个群体个 性脑影像数据分量， Xj表征为第j个个体个 性 脑影像数据分量， Xj＝＝Sk表征为第 k个群体个性脑影像数据分量和第j个个体个性脑影像 数据分量属同类别的数据 分量， 表征为存在群体个性脑影像数 据分量与个体个性脑影像数据分量属同类别， 表征为不存在群 体个性脑影像数据分量与个体个性脑影像数据分量属同类别， j， k为计量常数， n为群体个 性脑影像数据分量的总数目； 将个体个性脑影像数据分量的个性率转化为个体个性脑影像数据分量的个性奖励率， 所述个性奖励率的计算公式为： 式中， pej表征为第j个个体个性脑影像数据分量的个性奖励率， Pdi表征为第i个个体个 性脑影像数据分量的个性 率， j为计量常数。 6.根据权利要求5所述的一种基于影像数据构建高个体辨识力的脑功能网络方法， 其 特征在于： 所述基于所述共性惩罚率和个性奖励率将 个体脑影像数据构建为基础个体脑功 能网络， 包括： 将个体脑影像数据的数据分量均赋予基础权重 将所述共性惩罚率对所述个体共 性脑影像数据分量的基础权重进 行权重惩罚得到个体共性脑影像数据分量的惩罚权重， 将 所述个性奖励率对所述个体个性脑影像数据分量的基础权重进行权重奖励得到个体个性 脑影像数据分量的奖励权 重； 将所述惩罚权重和奖励权重分别与个体共性影像数据分量和个体个性影像数据分量权　利　要　求　书 2/3 页 3 CN 114998200 A 3