1.基于多网络协同拓扑解析的脑网络分析方法,其特征在于,包括:
提取默认模式网络、显著性网络和执行控制网络对应的脑区,计算不同脑区之间的相关系数构建功能连接矩阵,并将所述功能连接矩阵转换为满足Vietoris-Rips复形构建要求的距离矩阵;
基于所述距离矩阵构建Vietoris-Rips复形,在滤波序列的每个尺度下计算同调群,提取0维贝蒂数和1维贝蒂数拓扑特征;
绘制贝蒂数随阈值变化的曲线,比较阿尔茨海默病组与健康对照组在拓扑特征上的差异,识别阿尔茨海默病相关的特异性拓扑生物标志物。
2.如权利要求1所述的基于多网络协同拓扑解析的脑网络分析方法,其特征在于,基于所述距离矩阵构建Vietoris-Rips复形,在滤波序列的每个尺度下计算同调群,提取0维贝蒂数和1维贝蒂数拓扑特征,具体为:根据所述距离矩阵,通过调节距离阈值的大小,构建多尺度Vietoris-Rips复形;
在滤波序列的每个距离阈值下,计算对应尺度Vietoris-Rips复形的同调群;
从同调群中提取0维贝蒂数和1维贝蒂数拓扑特征。
3.如权利要求1所述的基于多网络协同拓扑解析的脑网络分析方法,其特征在于,采用曼-惠特尼U检验比较患病组与健康对照组两组贝蒂数分布差异;采用柯尔莫哥洛夫-斯米尔诺夫检验比较特定脑区的环路数量差异。
4.如权利要求1所述的基于多网络协同拓扑解析的脑网络分析方法,其特征在于,还包括:在每个尺度计算同调群时,提取 0 维贝蒂数和 1 维贝蒂数拓扑特征,并确定每个拓扑特征的生成阈值和消亡阈值;以每个拓扑特征的生成阈值为横轴、消亡阈值为纵轴,构建持久图;以距离阈值为横轴、纵轴按同调维度对特征进行排序,为每个特征绘制水平条形构建条码图。
5.如权利要求4所述的基于多网络协同拓扑解析的脑网络分析方法,其特征在于,通过条码图和持久图可视化拓扑特征的存续时间,提取0维和1维贝蒂数曲线,绘制阿尔茨海默病组与健康对照组贝蒂数的对比曲线。
6.如权利要求1所述的基于多网络协同拓扑解析的脑网络分析方法,其特征在于,采集静息态功能磁共振成像数据并进行预处理,对预处理后的静息态功能磁共振成像数据定义感兴趣区域,提取默认模式网络、显著性网络和执行控制网络对应的脑区;所述预处理包括磁场稳定化处理、切片时间校正、头动校正、空间标准化、空间平滑和时间滤波。
7.基于多网络协同拓扑解析的脑网络分析系统,其特征在于,包括:
构建模块,被配置为:提取默认模式网络、显著性网络和执行控制网络对应的脑区,计算不同脑区之间的相关系数构建功能连接矩阵,并将所述功能连接矩阵转换为满足Vietoris-Rips复形构建要求的距离矩阵;
提取模块,被配置为:基于所述距离矩阵构建Vietoris-Rips复形,在滤波序列的每个尺度下计算同调群,提取0维贝蒂数和1维贝蒂数拓扑特征;
分析模块,被配置为:绘制贝蒂数随阈值变化的曲线,比较阿尔茨海默病组与健康对照组在拓扑特征上的差异,识别阿尔茨海默病相关的特异性拓扑生物标志物。
8.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-6任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现完成权利要求1-6任一项所述的方法。