一种基于多尺度静态-动态融合网络的癫痫异常脑网络识别方法

本发明公开了一种基于多尺度静态‑动态融合网络的癫痫异常脑网络识别方法，属于脑影像分析领域。该方法首先构建静态功能连接加权图与动态功能连接图；随后采用交叉注意力模块对静态与动态表征进行融合。为刻画多尺度空间关系，依据解剖学分区与功能网络对脑连接进行词元化；并通过局部‑全局融合模块整合细粒度与宏观关系，突出具有诊断意义的脑区。训练阶段联合使用交叉熵、逆向对比损失及基于对比图邻接矩阵熵的稀疏正则。该方法在多中心功能磁共振数据上验证，与其他主流深度模型对比，在分类准确率、泛化性与可解释性方面显著提升，并能定位与致痫网络一致的异常脑区与连接，识别具有生物学意义的脑影像标记物。