买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供了一种基于动态有效连接和3DGraphCAN模型的戒毒者睡眠质量分类方法。该方法通过采集和预处理戒毒者及健康对照组的静息态功能磁共振成像rs‑fMRI数据，利用滑动时间窗口技术构建动态有效连接矩阵DECM，并通过单因素方差分析ANOVA构建权重矩阵。随后，提出了一种结合卷积神经网络CNN和图卷积神经网络GCN的3DGraphCAN模型，对戒毒者的睡眠质量进行分类。模型通过提取和处理脑区之间的复杂动态交互特征，能够有效区分戒毒者和健康对照组的睡眠质量。实验结果表明，本方法在分类准确率、精确率、召回率和F1‑Measure值等指标上均表现出优异的性能，具有较高的灵敏度和广泛的应用潜力，特别适用于神经影像学、成瘾医学及精神疾病研究领域的睡眠质量分类和评估。

主权项：1.一种基于动态功能连接和3DGraphCAN模型的戒毒者睡眠质量分类方法，其特征在于，该方法包括以下步骤：步骤1，从戒毒者和健康对照组中采集静息态功能磁共振成像rs-fMRI数据，并记录受试者的匹兹堡睡眠质量指数PSQI评分。步骤2，对采集的rs-fMRI数据进行预处理，包括去伪影处理、时间校正、头动校正、空间标准化和平滑处理，并使用AAL模板提取90个脑区的时间序列信号。步骤3，采用滑动时间窗口技术将预处理后的fMRI数据分割为多个重叠的时间片段，计算每个时间窗口内的脑区之间的Granger因果关系，从而构建动态有效连接矩阵DynamicEffectiveConnectivityMatrix,DECM。步骤4，对所有构建的DECM进行单因素方差分析ANOVA，构建用于增强分类效果的权重矩阵EC_weighted_Matrix，该矩阵对具有显著性差异的脑区连接赋予更高的权重。步骤5，提出一种结合卷积神经网络CNN和图卷积神经网络GCN的3DGraphCAN模型，该模型通过3D卷积层提取fMRI数据的空间和时间特征，利用图卷积层处理DECM中的图结构，并通过通道注意力机制进一步优化分类效果。步骤6，使用训练好的3DGraphCAN模型对测试集中的fMRI数据进行睡眠质量分类，并通过分类准确率、精确率、召回率和F1-Measure值等指标对模型性能进行评估。

全文数据：

权利要求：

百度查询： 中国计量大学 一种基于动态功能连接和3DGraphCAN模型的戒毒者睡眠质量分类方法