CN103235869A - 基于海洛因成瘾模型的大脑回路因果作用关系分析方法 - Google Patents

Abstract

本发明公开了一种基于海洛因成瘾模型的大脑回路因果作用关系分析方法，首先对从磁共振机器采集到的静息态数据进行预处理分析；然后采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域；最后利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点；该大脑回路因果作用关系分析方法以静息态的成像方式，从海洛因依赖患者基本生理基线水平入手，反映了病人身体内在大脑功能活动的改变，利用Granger因果关系方法刻画差异核团之间的因果作用关系，为寻找致病靶点提供了方法学和影像学证据，具有重要的科研价值。

Description

基于海洛因成瘾模型的大脑回路因果作用关系分析方法

技术领域

本发明属于医学图像处理与分析技术领域，尤其涉及基于海洛因成瘾模型的大脑回路因果作用关系分析方法。

背景技术

吸毒已经成为全世界越来越严重的公共健康问题，据联合国麻醉品管制局公布的最新数字，世界上吸毒人员超过5000万人，每年有几十万瘾君子因吸毒丧命。根据中国国家禁毒委员会办公室最近发布的2009年中国禁毒报告，到2009年底，中国登记的吸毒人数（海洛因吸食者占到70%）大约有121.8万。中国吸毒人口每年正以15%到20%的速度增长。以陕西省为例，目前登记在册的吸毒人员已达22000多人，其中80%以上是青少年，如果根据惯例按“每发现1例显性吸毒者，实际上就有10例隐形吸毒者”计算，数量更加惊人。

吸毒消耗大量的社会财富问题愈加惊人，全球毒品交易额约达8000～10000亿美元，毒品蔓延的范围已扩展五大洲的200多个国家和地区。毒品消耗着人类的财富，使全世界每年有一千亿美元化为灰烬。吸毒不仅损害本人健康，还会造成乙型肝炎、丙型肝炎、性病的传播等公共卫生问题，其中最严重的是艾滋病的感染和传播。据调查我国目前HIV感染方式主要是滥用毒品（静脉注射）来传播流行。最新艾滋病(AIDS)疫情评估结果显示，中国现有艾滋病病毒(HIV)感染者和患者65万，其中注射吸毒占44．3％，经吸毒传播仍是中国艾滋病传播的主要途径(中国卫生部，联合国艾滋病规划署．2005年中国艾滋病疫情与防治工作进展[R]．北京，2006，3-5．)。

文献"Fu LP,Bi GH,Zou ZT,Wang Y,Ye EM,Ma L,Ming-Fan,Yang Z.Impaired response inhibition function in abstinent heroindependents:an fMRI study.Neurosci Lett."，"Lee TM,Zhou WH,LuoXJ,Yuen KS,Ruan XZ,Weng XC.Neural activity associated withcognitive regulation in heroin users:A fMRI study.Neurosci Lett."和"LiCS,Sinha R.Inhibitory control and emotional stress regulation:neuroimaging evidence for frontal-limbic dysfunction inpsycho-stimulant addiction.Neurosci Biobehav Rev.”通过海洛因患者组与正常对照组执行任务的对比，发现海洛因患者在抑制自我行为和决策方面的反应均与正常人存在差距。

文献"Yuan Y,Zhu Z,Shi J,Zou Z,Yuan F,Liu Y,Lee TM,WengX.Gray matter density negatively correlates with duration of heroin usein young lifetime heroin-dependent individuals.Brain Cogn."和"Lyoo IK,Streeter CC,Ahn KH,Lee HK,Pollack MH,Silveri MM,Nassar L,Levin JM,Sarid-Segal O,Ciraulo DA and others.White matterhyperintensities in subjects with cocaine and opiate dependence andhealthy comparison subjects.Psychiatry Res."发现了海洛因依赖患者大脑额叶白质密度的增加，双侧前额叶和颞叶区域灰质密度的减小。

上述文献中都是利用海洛因依赖患者在任务刺激下的反应，发现在有毒品线索刺激下大脑的即时反应与正常人存在着明显的差异；有关海洛因依赖患者的大脑结构（白质和灰质）研究，发现灰白质密度的变化。而我们知道，海洛因成瘾，不仅仅引起依赖患者在有毒品刺激情况大脑功能的异常反应，而且成瘾还对大脑功能造成了长期伤害。而这种长期伤害，引起海洛因依赖者大脑基线水平和生理活动水平的改变，这也是日后海洛因依赖者在戒断后复吸的最主要原因。上述文献只是从任务刺激和结构方面来研究，没有从海洛因依赖患者大脑活动的基线水平进行研究；此外，上述研究只是通过任务刺激发现了大脑核团功能存在差异，没有从大脑功能网络（即回路）角度整体研究，更没有从回路中核团之间的相互作用关系角度进行深入细致的研究，因为核团间的相互作用关系对解释致病的机理和临床治疗起着至关重要的作用。

发明内容

本发明提供的基于海洛因成瘾模型的大脑回路因果作用关系分析方法，旨在解决目前只是从任务刺激和结构方面来研究，没有从海洛因依赖患者大脑活动的基线水平进行研究，同时现有研究只是通过任务刺激发现了大脑核团功能存在差异，没有从大脑功能网络角度整体研究，更没有从回路中核团之间的相互作用关系角度进行深入细致的研究的问题。

本发明的目的在于提供基于海洛因成瘾模型的大脑回路因果作用关系分析方法，该大脑回路因果作用关系分析方法包括以下步骤：

步骤一，对从磁共振机器采集到的静息态数据进行预处理分析；

步骤二，采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域；

步骤三，利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点。

进一步，步骤一，对从磁共振机器采集到的静息态数据进行预处理分析的具体实现步骤为：

利用基于MATLAB平台的SPM5软件，对采集到的静息态数据进行时间差异矫正；

对时间矫正过后的数据进行头动对齐；

对头动对齐后的数据进行空间标准化；

对空间标准化后的数据进行空间平滑。

进一步，对磁共振采集到的数据进行时间差异矫正时，就是矫正1个volume中层与层之间的采集时间的差异；

对时间矫正过的数据进行头动对齐，就是将一个序列的每一帧图像都和这个序列的第一帧图像进行配准，配准到同一坐标系下，以矫正头动，对齐后再对头动矫正后的数据进行人工检查，如果平移和旋转分别超过1毫米和1度就排除掉、不予分析；

对头动对齐后的数据进行空间标准化，就是将被试的大脑配准归一化到标准的大脑模板上；

对空间标准化后的数据进行空间平滑时，采用6毫米半高全宽的高斯核函数平滑处理标准化后的数据。

进一步，对头动对齐后的数据进行空间标准化，将被试的大脑配准归一化到标准的大脑模板上的具体实现步骤为：

对头动对齐后的数据利用12个参数的仿射变换平均图像配准到MNI标准模板；

重切为3x3x3立方毫米的体素，并将MNI坐标变换到Talairach坐标系。

进一步，步骤二，采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域的具体实现步骤为：

基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析；

采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域。

进一步，基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析的具体实现步骤为：

对空间平滑处理过后的数据进行去线性漂移处理；

进行频率范围为0.01-0.08Hz的带通滤波，去除低频漂移和高频噪声。

进一步，采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域的具体实现步骤为：

进行特征提取，得到大脑区域的特征矢量和特征值，，利用支持向量机对获得的特征值和特征矢量进行特征分类，得到大脑每个体素分类的正确率；

在SPM5软件平台上，进行基于体素的双样本t-检验，比较海洛因依赖患者组与正常对照组之间分类正确率的差异；

从具有显著性差异的区域中，选取负责成瘾的区域，定义为感兴趣区域。

进一步，步骤三中，利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系的的具体实现步骤为：

步骤31，在模式分类分析阶段筛选的感兴趣区域中，提取感兴趣区X和Y；

步骤32，提取这两个感兴趣区的时间序列X(t)、Y(t)；

步骤33，利用2阶自回归模型（VAR），从时域计算这两个感兴趣区时间序列之间的Granger因果值；

步骤34，计算感兴趣区X(t)到感兴趣区Y(t)的Granger值Fx→y以及感兴趣区Y(t)到感兴趣区X(t)的Granger值Fy→x，并对计算出的两个感兴趣区时间序列的Granger值进行归一化，归一化公式如下所示：

R_x→y=(F_x→y-F_y→x)/(F_x→y+F_y→x)

R代表归一化后的数值，F_x->y代表x对y的Granger因果值，；F_y->x代表y对x的Granger因果值；

步骤35，提取下一对感兴趣区，重复步骤31～步骤34，直到遍历所有的配对感兴趣区域，最后得出海洛因依赖患者组和正常人组大脑核团之间相互作用的Granger因果关系。

本发明提供的基于海洛因成瘾模型的大脑回路因果作用关系分析方法，首先对从磁共振机器采集到的静息态数据进行预处理分析；然后采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域；最后利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点；该大脑回路因果作用关系分析方法以静息态的成像方式，从海洛因依赖患者基本生理基线水平入手，反映了病人身体内在大脑功能活动的改变，利用Granger因果关系方法刻画差异核团之间的因果作用关系，为寻找致病靶点提供了方法学和影像学证据，同时研究了海洛因成瘾模型的致病机理，发现了学习和记忆回路对抑制控制回路的异常驱动作用，压制了抑制控制回路的作用力，对海洛因的深刻记忆导致患者在戒断或是没有毒品刺激的情况下仍有可能复吸，为临床治疗找到了靶点，具有重要的科研价值。

附图说明

图1是本发明实施例提供的基于海洛因成瘾模型的大脑回路因果作用关系分析方法的实现流程示意图

图2是本发明实施例提供的模式分类方法分析和Granger因果方法分析的实现流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定发明。

图1示出了本发明实施例提供的基于海洛因成瘾模型的大脑回路因果作用关系分析方法的实现流程。

本发明的目的在于提供基于海洛因成瘾模型的大脑回路因果作用关系分析方法，该大脑回路因果作用关系分析方法包括以下步骤：

步骤一，对从磁共振机器采集到的静息态数据进行预处理分析；

步骤二，采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域；

步骤三，利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点。

在本发明实施例中，步骤一，对从磁共振机器采集到的静息态数据进行预处理分析的具体实现步骤为：

利用基于MATLAB平台的SPM5软件，对采集到的静息态数据进行时间差异矫正；

对时间矫正过后的数据进行头动对齐；

对头动对齐后的数据进行空间标准化；

对空间标准化后的数据进行空间平滑。

在本发明实施例中，对磁共振采集到的数据进行时间差异矫正时，就是矫正1个volume中层与层之间的采集时间的差异；

对时间矫正过的数据进行头动对齐，就是将一个序列的每一帧图像都和这个序列的第一帧图像进行配准，配准到同一坐标系下，以矫正头动，对齐后再对头动矫正后的数据进行人工检查，如果平移和旋转分别超过1毫米和1度就排除掉、不予分析；

对头动对齐后的数据进行空间标准化，就是将被试的大脑配准归一化到标准的大脑模板上；

对空间标准化后的数据进行空间平滑时，采用6毫米半高全宽的高斯核函数平滑处理标准化后的数据。

在本发明实施例中，对头动对齐后的数据进行空间标准化，将被试的大脑配准归一化到标准的大脑模板上的具体实现步骤为：

对头动对齐后的数据利用12个参数的仿射变换平均图像配准到MNI标准模板；

重切为3x3x3立方毫米的体素，并将MNI坐标变换到Talairach坐标系。

在本发明实施例中，步骤二，采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域的具体实现步骤为：

基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析；

采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域。

在本发明实施例中，基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析的具体实现步骤为：

对空间平滑处理过后的数据进行去线性漂移处理；

进行频率范围为0.01-0.08Hz的带通滤波，去除低频漂移和高频噪声。

在本发明实施例中，采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域的具体实现步骤为：

进行特征提取，得到大脑区域的特征矢量和特征值，，利用支持向量机对获得的特征值和特征矢量进行特征分类，得到大脑每个体素分类的正确率；

在SPM5软件平台上，进行基于体素的双样本t-检验，比较海洛因依赖患者组与正常对照组之间分类正确率的差异；

从具有显著性差异的区域中，选取负责成瘾的区域，定义为感兴趣区域。

在本发明实施例中，步骤三中，利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系的的具体实现步骤为：

步骤31，在模式分类分析阶段筛选的感兴趣区域中，提取感兴趣区X和Y；

步骤32，提取这两个感兴趣区的时间序列X(t)、Y(t)；

步骤33，利用2阶自回归模型（VAR），从时域计算这两个感兴趣区时间序列之间的Granger因果值；

步骤34，计算感兴趣区X(t)到感兴趣区Y(t)的Granger值Fx→y以及感兴趣区Y(t)到感兴趣区X(t)的Granger值Fy→x，并对计算出的两个感兴趣区时间序列的Granger值进行归一化，归一化公式如下所示：

R_x→y=(F_x→y-F_y→x)/(F_x→y+F_y→x)

R代表归一化后的数值，F_x->y代表x对y的Granger因果值，；F_y->x代表y对x的Granger因果值；

步骤35，提取下一对感兴趣区，重复步骤31～步骤34，直到遍历所有的配对感兴趣区域，最后得出海洛因依赖患者组和正常人组大脑核团之间相互作用的Granger因果关系。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

本发明以静息态扫描的磁共振成像模式，从海洛因依赖患者大脑基本生理基线水平研究入手，提出一种基于海洛因成瘾模型的大脑回路因果作用关系分析方法。经过数据预处理和组对比分析，找到海洛因依赖者与正常对照组，在静息状态下，大脑功能的差异区；再基于这些区域，利用Granger因果这种有效连接度的方法，刻画差异核团之间的因果作用关系，从而寻找靶点。

实现本目的的技术思路是，对从磁共振机器采集到的静息态数据先进行预处理分析，再采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域，然后利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点。

具体技术方案包括如下：

（1）数据预处理分析步骤：

（1a）基于MATLAB(Matrix Lab)平台的SPM5(Statistic ProtocolMapping5)软件，对采集到的静息态数据进行时间差异矫正；

（1b）对时间矫正过后的数据进行头动对齐；

（1c）基于头动对齐后的数据，进行空间标准化；

（1d）空间标准化后的数据进行空间平滑；

（2）模式分类方法分析的步骤：

（2a）基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析；

（2b）采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域；

（3）Granger因果分析步骤：

（3a）在模式分类分析阶段筛选出的感兴趣区域中提出两个感兴趣区；

（3b）提取这两个感兴趣区的时间序列X(t)、Y(t)；

（3c）利用2阶自回归模型（VAR），计算这两个感兴趣区时间序列的Granger因果值；

（3d）对上一步计算出的两个感兴趣区时间序列的Granger值进行归一化；

（3e）再提出下一对感兴趣区，重复上面的四步步骤，直到遍历所有的配对感兴趣区域；

参照图1，本发明包括：对磁共振扫描后采集到的数据进行数据预处理（基于SPM5），再采用模式分类方法分析找到一些感兴趣区域，最后用Granger因果分析刻画这些感兴趣区域之间的因果作用关系，具体步骤如下：

一、数据预处理分析阶段

步骤1：对磁共振采集到的数据进行时间差异矫正，时间差异矫正就是矫正1个volume中层与层之间的采集时间的差异，进而保证各层之间都是从相同的时间得到的；

步骤2：由于脑功能成像实验持续时间比较长，被试的呼吸、血流脉动等生理因素造成的头部运动在所难免，所以对时间矫正过的数据进行头动对齐，也就是将一个序列的每一帧图像都和这个序列的第一帧图像进行配准，配准到同一坐标系下，以矫正头动，对齐后再对头动矫正后的数据进行人工检查，如果平移和旋转分别超过1毫米和1度就排除掉、不予分析；

步骤3：头动对齐后的数据空间标准化，试验中存在多个被试，被试和被试之间的脑部大小形状存在一定的差异，为了后续的统计分析，须进行大脑形状的归一化，将被试的大脑配准归一化到标准的大脑模板上；

3a）对头动对齐后的数据利用12个参数的仿射变换平均图像配准到MNI标准模板；

3b）重切为3x3x3立方毫米的体素，并将MNI(MontrealNeurological Institute)坐标变换到Talairach坐标系；

步骤4：采用6毫米半高全宽(FWHM,Full Width at Half Maximum)的高斯核函数平滑处理标准化后的数据，以达到降低噪声、提高信噪比及消除不同被试脑结构之间的细微差别的目的。

参照图2，本阶段的模式分类方法与Granger因果分析的步骤如下：

二、模式分类方法分析阶段

步骤5：基于MATLAB平台，依据模式分类方法原理，利用自己编写的程序软件，进行模式分类方法分析处理：

5a）对步骤4空间平滑处理过后的数据进行去线性漂移处理；

5b）再进行频率范围为0.01-0.08Hz的带通滤波，去除低频漂移和高频噪声的影响。

步骤6：采用模式分类方法分析，找到海洛因成瘾患者组与正常对照组在静息态下大脑功能的差异区，并挑选出负责成瘾的区域作为感兴趣区域：

6a）首先进行特征提取，得到大脑区域的特征矢量和特征值；然后对上述特征值和特征矢量，利用支持向量机进行特征分类；最终得到大脑每个体素分类的正确率；

6b）在SPM5软件平台上，进行基于体素的双样本t-检验，比较海洛因依赖患者组与正常对照组之间分类正确率的差异；

6c）从具有显著性差异的区域中，选取负责成瘾的区域，定义为感兴趣区域。

三、Granger因果分析阶段

步骤7：从模式分类方法分析阶段中挑选出的感兴趣区域中，提出两个（X和Y）感兴趣区组成一对；

步骤8：提取这两个感兴趣区的时间序列，如X(t)、Y(t)；

步骤9：利用2阶自回归模型，从时域计算这两个感兴趣区时间序列之间的Granger因果值，

9a）Granger因果值反映了两个感兴趣区域间具有方向性的连接强度

9b）计算感兴趣区X(t)到感兴趣区Y(t)的Granger值Fx→y；

9c）计算感兴趣区Y(t)到感兴趣区X(t)的Granger值Fy→x；

步骤10：两个感兴趣区间Granger因果值进行归一化，如下公式所示：R_x→y=(F_x→y-F_y→x)/(F_x→y+F_y→x)

R代表归一化后的数值，F_x->y代表x对y的Granger因果值；F_y->x代表y对x的Granger因果值。

步骤11：再提取下一对感兴趣区重复上面的步骤7、8、9、10，直到遍历所有配对的感兴趣区域，最后得出海洛因依赖患者组和正常人组大脑核团之间相互作用的Granger因果关系。

通过以上十一个步骤，实现了基于海洛因成瘾模型的大脑回路因果作用关系分析方法。

经过大脑核团之间Granger因果关系的整理和总结，发现了学习和记忆回路对抑制控制回路的异常驱动作用，压制了抑制控制回路的作用力，对海洛因的深刻记忆导致患者在戒断或是没有毒品刺激的情况下仍有可能复吸，上述发现为临床治疗找到了靶点，提供了影像学证据(学习和记忆回路对抑制控制回路的异常驱动作用，导致了成瘾者的复吸)，取得了很好的研究结果，以证明该方法是可行的。

缩写列表：

MATLAB:MatrixLab矩阵实验室

SPM5:StatisticParameterMapping5统计参数映射

VAR:VectorAuto-regressmodel矢量自回归模型

MNI:MontrealNeurologicalInstitute

FWHM:FullWidthatHalfMaximum半高全宽

与现有的研究相比较，本发明具有如下的优点：

1以静息态的成像方式，从海洛因依赖患者基本生理基线水平入手研究，能够反映病人身体内在大脑功能活动的改变。

2利用Granger因果这种有效连接度的方法，刻画差异核团之间的因果作用关系，从而为寻找致病靶点提供了方法学和影像学证据。核团间的这种因果作用关系对解释致病机理和临床的治疗起着至关重要的作用。

本发明利用功能磁共振的静息态成像模式，通过Granger因果有效连接度的分析方法研究了海洛因成瘾模型的致病机理，发现了学习和记忆回路对抑制控制回路的异常驱动作用，压制了抑制控制回路的作用力，对海洛因的深刻记忆导致患者在戒断或是没有毒品刺激的情况下仍有可能复吸，此项研究为临床治疗找到了靶点，提供了影像学证据，取得了很好的研究结果。

本发明实施例提供的基于海洛因成瘾模型的大脑回路因果作用关系分析方法，首先对从磁共振机器采集到的静息态数据进行预处理分析；然后采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域；最后利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点；该大脑回路因果作用关系分析方法以静息态的成像方式，从海洛因依赖患者基本生理基线水平入手，反映了病人身体内在大脑功能活动的改变，利用Granger因果关系方法刻画差异核团之间的因果作用关系，为寻找致病靶点提供了方法学和影像学证据，同时研究了海洛因成瘾模型的致病机理，发现了学习和记忆回路对抑制控制回路的异常驱动作用，压制了抑制控制回路的作用力，对海洛因的深刻记忆导致患者在戒断或是没有毒品刺激的情况下仍有可能复吸，为临床治疗找到了靶点，具有重要的科研价值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于海洛因成瘾模型的大脑回路因果作用关系分析方法，其特征在于，该大脑回路因果作用关系分析方法包括以下步骤：

步骤一，对从磁共振机器采集到的静息态数据进行预处理分析；

步骤二，采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域；

步骤三，利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系，从而寻找靶点。

2.如权利要求1所述的大脑回路因果作用关系分析方法，其特征在于，步骤一，对从磁共振机器采集到的静息态数据进行预处理分析的具体实现步骤为：

利用基于MATLAB平台的SPM5软件，对采集到的静息态数据进行时间差异矫正；

对时间矫正过后的数据进行头动对齐；

对头动对齐后的数据进行空间标准化；

对空间标准化后的数据进行空间平滑。

3.如权利要求2所述的大脑回路因果作用关系分析方法，其特征在于，对磁共振采集到的数据进行时间差异矫正时，就是矫正1个volume中层与层之间的采集时间的差异；

对时间矫正过的数据进行头动对齐，就是将一个序列的每一帧图像都和这个序列的第一帧图像进行配准，配准到同一坐标系下，以矫正头动，对齐后再对头动矫正后的数据进行人工检查，如果平移和旋转分别超过1毫米和1度就排除掉、不予分析；

对头动对齐后的数据进行空间标准化，就是将被试的大脑配准归一化到标准的大脑模板上；

对空间标准化后的数据进行空间平滑时，采用6毫米半高全宽的高斯核函数平滑处理标准化后的数据。

4.如权利要求3所述的大脑回路因果作用关系分析方法，其特征在于，对头动对齐后的数据进行空间标准化，将被试的大脑配准归一化到标准的大脑模板上的具体实现步骤为：

对头动对齐后的数据利用12个参数的仿射变换平均图像配准到MNI标准模板；

重切为3x3x3立方毫米的体素，并将MNI坐标变换到Talairach坐标系。

5.如权利要求1所述的大脑回路因果作用关系分析方法，其特征在于，步骤二，采用模式分类方法得到海洛因依赖者与正常被试静息态下大脑功能的差异区域，并从中挑选出负责成瘾的区域作为感兴趣区域的具体实现步骤为：

基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析；

采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域。

6.如权利要求5所述的大脑回路因果作用关系分析方法，其特征在于，基于MATLAB平台，依据模式分类方法原理，利用编写的程序软件，对预处理后的数据进行模式分类分析的具体实现步骤为：

对空间平滑处理过后的数据进行去线性漂移处理；

进行频率范围为0.01-0.08Hz的带通滤波，去除低频漂移和高频噪声。

7.如权利要求5所述的大脑回路因果作用关系分析方法，其特征在于，采用模式分类分析，找到海洛因依赖患者组与正常对照组被试静息态下大脑功能的差异区，并筛选出成瘾的区域作为感兴趣区域的具体实现步骤为：

进行特征提取，得到大脑区域的特征矢量和特征值，，利用支持向量机对获得的特征值和特征矢量进行特征分类，得到大脑每个体素分类的正确率；

在SPM5软件平台上，进行基于体素的双样本t-检验，比较海洛因依赖患者组与正常对照组之间分类正确率的差异；

从具有显著性差异的区域中，选取负责成瘾的区域，定义为感兴趣区域。

8.如权利要求1所述的大脑回路因果作用关系分析方法，其特征在于，步骤三中，利用Granger因果分析方法，刻画出这些存在差异的感兴趣核团之间的因果作用关系的的具体实现步骤为：

步骤31，在模式分类分析阶段筛选的感兴趣区域中，提取感兴趣区X和Y；

步骤32，提取这两个感兴趣区的时间序列X(t)、Y(t)；

步骤33，利用2阶自回归模型（VAR），从时域计算这两个感兴趣区时间序列之间的Granger因果值；

步骤34，计算感兴趣区X(t)到感兴趣区Y(t)的Granger值Fx→y以及感兴趣区Y(t)到感兴趣区X(t)的Granger值Fy→x，并对计算出的两个感兴趣区时间序列的Granger值进行归一化，归一化公式如下所示：

R_x→y=(F_x→y-F_y→x)/(F_x→y+F_y→x)

R代表归一化后的数值，F_x->y代表x对y的Granger因果值；F_y->x代表y对x的Granger因果值；

步骤35，提取下一对感兴趣区，重复步骤31～步骤34，直到遍历所有的配对感兴趣区域，最后得出海洛因依赖患者组和正常人组大脑核团之间相互作用的Granger因果关系。

Images