一种基于特征解耦与动态图构建的多模态脑网络分类方法

本发明提供了一种基于特征解耦与动态图构建的多模态脑网络分类方法，涉及人工智能技术领域，所述方法包括：获取待测人员的功能磁共振成像数据和结构磁共振成像数据，根据功能磁共振成像数据和结构磁共振成像数据得到多模态脑网络数据，基于预设的多模态脑网络分类模型，对多模态脑网络数据进行处理，得到待测人员的脑网络状态。本发明通过结合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）数据，能够充分利用两种模态的优势，从而提高脑网络状态分类的准确性和全面性，且基于图注意力网络（GAT）的动态图注意力模块能够捕捉脑网络的动态变化特性，构建动态图表示，增强模型对脑区间动态连接关系的敏感性。