(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 202211189242.0 (22)申请日 2022.09.28 (71)申请人 长沙理工大 学 地址 410114 湖南省长 沙市雨花区万家丽 南路560号长沙理工大 学计通学院 (72)发明人 邝利丹　 (74)专利代理 机构 辽宁鸿文知识产权代理有限 公司 21102 专利代理师 王海波 (51)Int.Cl. G06F 17/16(2006.01) (54)发明名称 适于多被试fMRI的空间加权池化移不变秩- (L,L,1,1)块项分解 算法 (57)摘要 一种适于多被试fMRI数据的空间加权池化 移不变秩 ‑(L,L,1,1)块项分解算 法， 属于医学信 号 处 理 领 域 。在 基 于 交 替 最 小 二 乘 法 (alternating  least squares,ALS)的基础上， 提出一种空间加权池化处理方法对多被试fMRI 数据进行预处理， 对fMRI数据图像进行下采样和 平滑， 显著减小了fMRI数据量以及去除了大部分 噪声； 另外， 考虑到被试间高的空时差异性， 该方 法通过结合空间正交化约束和时间移位不变性， 松弛压缩后fMRI数据的秩 ‑(L,L,1,1)BTD模型， 提升了算法分离性能。 权利要求书4页 说明书6页 附图1页 CN 115455356 A 2022.12.09 CN 115455356 A 1.一种适于多被试 fMRI数据的空间加权池移位不变快速秩 ‑(L,L,1,1)块项分解算法， 其特征包括以下步骤： 第一步： 输入五维多被试fMRI数据 其中I1， I2、 I3分别表示三维脑空间 的x、 y和z方向的体素数目， J表示扫描 次数， K表示被试数 目； 成分个数为N以及二维脑空间 矩阵的秩L； N 为正整数且0＜N≤J， L 为正整数且0＜L≤I1； 第二步： 空间加权池化处理， 设空间索引为 满足： α表示脑内体素权重， α ≥0.5， 那么每个被试k的每个时间点j(j＝1, …,J)的三维fMRI 数据 变为 其中， k＝1, …,K；“*”表示点乘， 然后， 将空间加权后的多被试 fMRI数据进行 四维化， 得 到fMRI数据张量 其中I23＝I2×I3， 最后， 对 的每个被试k的每个时间点j 的空间脑图像 进行步长为3且窗大小为3 ×3的池化处 理， j＝1, …,J： 其中， average_pooling( ·)为平均池化操 作， 得到空间加权池化处理后的四维fMRI数据 第三步： 初始化因子矩阵 ， 随机初始化因子矩阵 ， 即包含共享脑空间信息的 与 共享时间成分 和被试强度 设置迭代的次数iter＝0， 计算移不变秩 ‑(L,L,1,1)BTD模型 的迭代误差 εiter： 其中， 为外积，“||·||”为张量的2 ‑范数， 即张量所有元素的平方模和开2次方根， 上 标“T”为 矩 阵 转 置 ， 为 K 个 被 试 的 N 个 成 分 的 时 延 ， 表示第k个被试的时间成分， 其中cn(j‑τk,n)权　利　要　求　书 1/4 页 2 CN 115455356 A 2表示对于第k()个 被试的第n个时间成分， ， 具有时延 τk,n； k＝1,…,K； n＝1,…,N； 第四步： 更新包含共享脑空间信息的因子矩阵 和 定义联合混合矩阵 其中元素为zj+k(J‑1),n＝dk,ncn(j‑τk,n)， 那么移不变 秩‑(L,L,1,1)BTD模型表示 为： 其中，“ ⊙ ”表示矩阵级Khatri ‑Rao乘积， 满足 为Kronecker积， 和 分别是 和 的第 行向量 和 分别是 和 的第 行向量 和 分别是 的一维和二维展开形式， 根据式(5)(6),采用ALS， 最小化均方误差： 根据式(9)和(10)分别对因子矩阵 和 分别进行 更新： 其中， 上标 为伪逆； 第五步： 更新池化后的共享脑空间激活成分 并加入标准正交化约束， 计算共享脑空 间激活成分 其中， vec( ·)为向量化操作， 再通过约化奇异值分解， 对 标准正交化处 理： 其中， 和 分别是左奇异矩阵和右 奇异矩阵， “esvd(·)”为约化奇 异值分解； 第六步： 更新共 享时间成分C， 将 的三维展开形式 进行傅里叶变 换， 转权　利　要　求　书 2/4 页 3 CN 115455356 A 3