论文部分内容阅读
随着科技的发展,网络时代迅速崛起,越来越多的事务随着网络的建立产生联系。例如脑部疾病的研究结果从最初的影像学唯一论转变为对影像学报告和脑网络评价指标的共同分析。随着城市生活节奏加快,抑郁症发病率逐年提升,发病趋势向校园中青少年蔓延,且发病机理不明确。因此,本文基于抑郁患者脑网络数据建立演化模型,研究抑郁症患者发病机理并模拟脑网络病变过程,创建基于图卷积神经网络GCN(Graph convolutional neural network)和长短期记忆神经网络 LSTM(Long Short-Term Memory)的记忆图卷积演化网络 MGCEN(Memory graph convolution evolution network)预测网络未来发展趋势。鉴于抑郁症发病主要由脑部结构随时间推移发生病变,因此本文基于结构磁共振图像和弥散张量图像共同构建脑网络模型。首先,本文按照AAL模板将脑核磁共振图像划分为116个脑区,将其中的90个脑区作为研究对象,对各个脑区的灰质体积进行GA值分析,发现抑郁症患者与正常人脑区之间的差异主要体现在额叶区和颞叶区上。之后将脑区做为节点以各脑区之间相关联系为边构建脑网络,分析抑郁患者和健康人脑网络中聚类系数、度分布、局部效率等网络拓扑结构差异。在之后为研究网络演化过程,本文构建抑郁脑网络演化模型。模型以健康人脑网络为初始网络将抑郁患者脑网络视为目标网络,并结合 QUATRE(QUasi-Affifine TRansformation Evolutionary)算法求得网络演化公式的最优超参数解向量。最后通过计算机仿真实验发现网络稳态时演化网络与真实抑郁患者脑网络的拓扑属性相同。抑郁脑网络演化模型中拓扑结构的改变由演化随机公式决定,但人为建立公式在网络真实演化方向上存有偏差。为寻求网络内部演化特性,本文基于GCN创建方向图卷积模型,在模型中引入演化方向向量,构建双层图卷积结构获取网络中节点的二阶邻居信息,演化网络结果在网络结构上与真实抑郁患者脑网络接近。为进一步预测网络演化未来发展趋势,本文在此基础上建立基于LSTM和GCN的MGCEN模型。该模型具有同时提取网络时序信息和结构信息的特点,相比传统网络预测模型,注重网络时序信息和结构信息相结合,能准确预测下一时刻网络状态。