CN105708462A - 基于原发性癫痫的静息态功能磁共振的数据处理方法 - Google Patents

基于原发性癫痫的静息态功能磁共振的数据处理方法 Download PDF

Info

Publication number
CN105708462A
CN105708462A CN201610029534.6A CN201610029534A CN105708462A CN 105708462 A CN105708462 A CN 105708462A CN 201610029534 A CN201610029534 A CN 201610029534A CN 105708462 A CN105708462 A CN 105708462A
Authority
CN
China
Prior art keywords
data
reho
epilepsy
data analysis
data processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610029534.6A
Other languages
English (en)
Inventor
乔鹏飞
牛广明
高阳
刘挨师
孟海霞
刘晓宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Affiliated Hospital Of Inner Mongolia Medical University
Original Assignee
Affiliated Hospital Of Inner Mongolia Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Affiliated Hospital Of Inner Mongolia Medical University filed Critical Affiliated Hospital Of Inner Mongolia Medical University
Priority to CN201610029534.6A priority Critical patent/CN105708462A/zh
Publication of CN105708462A publication Critical patent/CN105708462A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Neurology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Neurosurgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种基于原发性癫痫的静息态功能磁共振的数据处理方法，属于针对疾病检测的数据处理领域技术领域，包括以下步骤：S1.数据采集；S2.数据预处理；S3.数据分析：包括ReHo数据分析、ALFF数据分析和FC数据分析，所有的ReHo、ALFF、FC图均单独分析，然后汇总确定有改变的脑区。本发明的数据处理方法对多灶性癫痫病灶的探索极具价值，避免了复杂的任务刺激导致的脑活动差异，使不同受试者的实验条件基本控制在相同的水平，且易于配合，更容易得到可靠的结论。它从脑功能的角度了解癫痫患者某些临床症状的发病机理，能帮助定位癫痫灶和周围功能区，指导癫痫手术及癫痫灶的切除范围。

Description

基于原发性癫痫的静息态功能磁共振的数据处理方法
技术领域
本发明涉及针对疾病检测的数据处理领域，特别涉及一种基于原发性癫痫的静息态功能磁共振的数据处理方法。
背景技术
癫痫(epilepsy)是常见的由于多种病因引起的慢性神经系统疾病，以脑部神经元放电的兴奋性和同步性异常所致过度放电引起的突然、反复和短暂的中枢神经系统功能失常为特征。截止2014年，全球大约有5500万癫痫病人，其发病率高于多发性硬化、帕金森病等常见的神经系统疾病。目前认为，癫痫已经成为神经系统疾病中仅次于脑卒中的第二大常见病，癫痫性猝死也日益引起研究者的关注。在现实生活中，对癫痫患者的歧视和不理解极大地影响着患者及其家人。总之，癫痫是一种致残率高、病程长和以临床反复发作为特点，同时还严重威胁患者身心健康的疾病。
复杂部分性发作是原发性癫痫(theidiopathicepilepsy)一种常见的类型，指脑部无明显器质性或代谢性异常表现,发病机制尚未完全阐明、可能与遗传因素相关并以不同程度的意识障碍、自主神经症状和精神症状发作为特征的一组癫痫综合征,通常属于药物难治性，约占各类癫痫总数的20％～30％。对于CPS患者,很大一部分(约60％～90％)可以通过手术切除得以根治，因此术前对致痫灶的准确定位就显得尤为重要。但CPS患者常规的颅脑CT和MRI检查一般没有可见的结构变化。因此探讨致痫灶的无创、精确定位方法一直是癫痫研究的热点。
头皮脑电图(ScalpElectroencephalogram)检查虽然可以证实癫痫的异常放电，但其空间分辨率较低，与皮层间隔有颅骨、头皮、外界干扰等不利因素的影响，对致痫灶定位的敏感性和特异性低；皮层脑电图或深部脑电图能直接探测脑异常放电区，但系有创性检查且电极所探及的区域相当有限，实际应用受到一定的限制。
目前,对癫痫的神经影像学研究主要有以下几种：常用结构MRI从形态学方面对海马体积的萎缩程度进行测量及对海马进行波谱分析以确定病变的海马，或者用正电子发射型计算机断层显像和单光子发射计算机断层成像技术从代谢和血流的角度反映癫痫活动相关脑区的功能异常，再就是利用各种刺激诱导局部脑组织血氧水平依赖信号发生变化,间接反映神经元的活动,即“事件/任务相关功能磁共振成像(event/task-relatedfMRI)”。
海马体积测量及波谱分析存在主观性；PET和SPECT是侵入性检查，有放射性且空间分辨率较低；事件相关fMRI不但需要设计好合适的任务，而且要求病人高度配合。
原发性癫痫的静息态功能磁共振：resting-statefunctionalmagneticresonanceimaging,rfMRI；
复杂部分性发作：Thecomplexpartialseizures,CPS；
皮层脑电图：Electrocorticogram,ECoG；
深部脑电图：Deepelectroencephalogram,DEEG；
正电子发射型计算机断层显像：PositronEmissionComputedTomography，PET；
单光子发射计算机断层成像：Singlephotonemissioncomputedtomography,SPECT；
脑组织血氧水平依赖(bloodoxygenationleveldependent,BOLD；
局部一致性：Theregionalhomogeneity，ReHo；
低频振幅：Thelowfrequencyfluctuation，ALFF；
种子相关功能连接：Theseedbasedfunctionalconnectivity，FC。
发明内容
本发明针对现有技术的不足，提供一种基于原发性癫痫的静息态功能磁共振的数据处理方法，用以解决有创性检查及定位不精确等问题。
为解决以上问题，本发明采用的技术方案如下：一种基于原发性癫痫的静息态功能磁共振的数据处理方法，包括如下步骤：
S1.数据采集：常规检查序列包括轴位T2加权成像、T1加权成像和弥散加权成像，以平行前后联合的水平进行全脑轴位扫描，以排除颅内器质性病变；T1-3DBRAVO序列扫描，作为结构像将数据处理后的功能像叠加其上，用以显示正激活和负激活的脑区；静息态扫描，采用梯度回波单次激发回波平面成像；
S2.数据预处理：1.对每个被试对象的fMRI原始数据转换为.img的格式；2.校正原始图像中层与层获得的时间的不同；3.采用迭代算法对6个参数进行头部刚体模型配准，排除头部沿着X，Y，Z三个方向的平移和围绕这三个方向的旋转超过2mm，或者任意角度旋转大于2°的被试对象；4.将每个被试的图像放入统一的标准空间进行标准化，将其转为朝向和大小都相同的图像；5.空间平滑：使用全宽半高高斯核对fMRI图像进行空间平滑处理；6.对空间平滑后的fMRI图像进行去线性漂移；7.去除高频呼吸心跳及低频噪声；
S3.数据分析：包括ReHo数据分析、ALFF数据分析和FC数据分析，所有的ReHo、ALFF、FC图均单独分析，然后汇总确定有改变的脑区。
作为优选，ReHo数据分析：计算出脑内每个体素与其周围相邻的3个或3个以上体素在时间序列上的一致性，得出该体素的肯德尔和谐系数，即为该体素的ReHo值，每个体素均有一个ReHo值，所有体素构成了受试者的ReHo脑。
作为优选,ALFF数据分析：首先保留低频段0.01-0.08Hz内所有频率点上的BOLD信号，将这些数据进行傅立叶变换计算功率谱，功率谱的峰下面积可视为信号的能量，然后对其开方，可得到该信号的振荡幅度，也就是BOLD信号的波动变化强度,进而绘制振幅的统计参数脑图，来描述体素自发活动的强弱。
本发明的有益效果：本发明的数据处理方法对多灶性癫痫病灶的探索极具价值，避免了复杂的任务刺激导致的脑活动差异，使不同受试者的实验条件基本控制在相同的水平，且易于配合，更容易得到可靠的结论。它从脑功能的角度了解癫痫患者某些临床症状的发病机理，能帮助定位癫痫灶和周围功能区，指导癫痫手术及癫痫灶的切除范围；有助于理解癫痫的病理生理改变和认识脑电图异常波形的意义。随着临床研究的不断扩展rfMRI检查技术、计算方法的改进，可进一步揭示不同脑区更精细的分工及与高级整合之间的相互关系，其对药物难治性癫痫的诊治将具有更大的应用价值。
附图说明
图1为头动校正、空间平滑、低频滤波等预处理后得到的原始图像示意图；
图2为使用ReHo、ALFF、FC等计算后得到的功能磁共振图像示意图；
图3为使用Alphasim统计学处理后与正常人脑解剖图融合得到的最终图像示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明做进一步详细说明。
实施例：
1.数据采集工具及对象：
本实施例使用美国GE公司的3.0TSignaHDx超导型MR扫描仪(GE-SignaHDx,Milwaukee,US.)，8NV－Head线圈，以头部线圈作为发射和接受线圈。扫描时受试者清醒、闭眼、头部固定并最大限度地减少头部及其它部位的主动与被动运动、安静平卧于检查床，均匀呼吸，不执行特定的认知任务，同时要求尽量不行主动思维活动，待受试者熟悉环境后开始扫描。病例组在扫描前进行2-5分钟过度换气实验以增加间期痫样放电的数量；为了保证试验的准确性，正常志愿者也进行2-5分钟的过度换气实验。
2.数据采集方法：
相关扫描序列及参数如下：
2.1常规检查序列包括轴位T2加权成像(T2WI)、T1加权成像(T1WI)和弥散加权成像(DWI)，以平行前后联合的水平进行全脑轴位扫描，以排除颅内器质性病变。
(1)T2WI扫描参数:TR/TE＝6280/104ms，层厚:5mm，间隔:l.5mm，NEX:1，FOV:24x24cm，Matrix:320x320，扫描层数为19层，扫描时间为82秒。
(2)T1WI扫描参数:TR/TE＝2825/24ms，层厚:5mm，间隔:l.5mm，NEX:1，FOV:24x18cm，Matrix:320x320，扫描层数为19层，扫描时间为99秒。
(3)DWI扫描参数:TR/TE＝4450/72.9ms，层厚:5mm，间隔:1.5mm，NEX:2，FOV:24x24cm，Matrix:128xl28，b＝1000s/mm，扫描层数为19层，扫描时间为40秒。
2.2T1-3DBRAVO序列扫描，作为结构像将数据处理后的功能像叠加其上，用以显示正激活和负激活的脑区。参数：TR/TE＝7.8/3.0ms，层厚:lmm，间隔:0，NEX:0.5，FOV:24x24cm，Matrix:256x256，FA(FlipAngle):13°。从右向左采集，扫描范围包括全脑，采集层数为176层，扫描时间为209秒。
2.3静息态扫描，采用梯度回波(GRE)单次激发回波平面成像(EPI)技术，参数：TR/TE＝2000/30ms，层厚:4mm，间隔:0mm，FOV＝24x24cm，Matrix：64x64，FA(FlipAngle)：90°，从下向上采集，扫描范围包括全脑，层数:38，采集256个时间点，扫描时间为512秒，共获得9728幅图像。
3.数据预处理：
本实验所有的磁共振原始数据均在Matlab7.3平台上采用统计参考图软件包进行预处理。
3.1对每个被试对象的fMRI原始数据用MRIconvert软件将Dicom格式的数据转换为.img的格式。考虑到磁场达到稳态的时间和被试对周围环境的适应，所以删除前10个时间点的图像，对剩余的246个时间点的数据进行分析。
3.2时间校正：校正原始图像中层与层获得的时间的不同，使一个TR中各层原始图像获得的时间一致。
3.3头动校正：由于被试进行脑功能成像扫描的时间长，次数多，且一些生理因素如呼吸，血流等造成的头部运动是难以避免的，尽管使用泡沫固定头部，但因紧张的心理等还会造成头部的微小移动。采用迭代算法对6个参数(包括X，Y，Z三个方向的平移和围绕这三个方向的旋转)进行头部刚体模型配准，排除头部沿各个方向(x，y，z)平动超过2mm，或者任意角度旋转大于2°的被试对象。最后，有3例CPS患者被剔除(其中男性2例，女性1例)。
3.4空间标准化：由于被试个体大脑在形状，大小等方面存在明显不同，不便于被试之间比较，为了对不同被试用同一种方法得到的图像进行比较，所以需要将每个被试的图像放入统一的标准空间进行标准化，将其转为朝向和大小都相同的图像。采用SPM自带的EPI模板，归一化到标准的MNI(MontrealNeurologicalInstitute)系统，并将每个体素重采样至3mm*3mm*3mm。
3.5空间平滑：可使不同被试脑结构间的差别变的模糊化，使其更加符合高斯分布，使推断结果更加合理。使用4mm*4mm*4mm的全宽半高(full-widthathalf-maximum,FWHM)高斯核对fMRI图像进行空间平滑处理。
3.6去线性漂移：对空间平滑后的fMRI图像进行去线性漂移，来降低噪声所带来的基线漂移。
3.7低频滤波：采用基于窗函数的自编滤波软件行0.01-0.08Hz带通滤波,去除高频呼吸心跳及低频噪声的影响。
4.数据分析：
使用北京师范大学认知神经科学与学习国家重点实验室开发的REST软件(V1.7)完成。
4.1ReHo数据分析：
计算出脑内每个体素与其周围相邻的3个或3个以上体素在时间序列上的一致性，得出该体素的肯德尔和谐系数(Kendall'scoefficientofconcordance，KCC)，即为该体素的ReHo值，每个体素均有一个ReHo值，所有体素构成了受试者的ReHo脑。
一个给定点的肯德尔和谐系数KCC的计算公式如下：
其中W就是给定点的肯德尔和谐系数KCC，它的取值范围在0～1之间；n是时间点数，K是给定体素点与其邻域体素点的总数，在本实施例中，定义每个体素与其临近的26个体素组成一个团块，提取这27条时间序列，计算其肯德尔和谐系数，并赋予这个体素，即为该体素的ReHo值，依次重复，得到全脑的ReHo图。
本实施例中n＝256，K＝27，即给定点本身及其26个邻域点，这27个体素点又称为一个簇(cluster)；Ri是第i个时间点的27个体素点的体素值的等级总数；R是Ri的平均值。
组内分析：用单样本t检验(onesamplet-test)对病例和对照每一组人的ReHo图分别进行组内统计分析(单个体素的显著水平为p<0.001，经过Alphasim校正，单个团块的显著水平为p<0.05，即团块大小至少为6个体素时具有统计学意义)。得到每一组人在静息状态下大脑的ReHo图。
组间分析：用两独立样本t检验(twosamplet-test)对两组人的脑ReHo图进行组间对比分析(单个体素的显著水平为p<0.005，经过Alphasim校正，单个团块的显著水平为p<0.05，即团块大小至少为12个体素时具有统计学意义)。得到两组被试ReHo图的统计差异。
4.2ALFF数据分析：
使用北京师范大学认知神经科学与学习国家重点实验室开发的REST软件做ALFF处理,首先保留低频段0.01-0.08Hz内所有频率点上的BOLD信号，将这些数据进行傅立叶变换计算功率谱，功率谱的峰下面积可视为信号的能量，然后对其开方，可得到该信号的振荡幅度，也就是BOLD信号的波动变化强度,进而绘制振幅的统计参数脑图，来描述体素自发活动的强弱。
组内分析：用单样本t检验(onesamplet-test)对病例和对照每一组人的ALFF图分别进行统计分析(取单个体素的显著水平为p<0.001，经过Alphasim校正，单个团块的显著水平为p<0.05，即团块大小至少为6个体素时具有统计学意义)。得到每一组人在静息状态下大脑的ALFF图。
组间分析：用两独立样本t检验(twosamplet-test)对两组人的脑ALFF图进行对比分析(取单个体素的显著水平为p<0.005，经过Alphasim校正，单个团块的显著水平为p<0.05，即团块大小至少为12个体素时具有统计学意义)。得到两组被试ALFF图的统计差异。
4.3FC数据分析：
功能连接的感兴趣区(ROI)选择：在默认网络中，后扣带回(theposteriorcingulatecortex，PCC)是非常重要的区域，因此本实施例选择PCC作为种子点，x、y、z轴的坐标分别为-12，-50,32(MNIcoordinates)，ROI的体积以坐标(-12，-50,32)为中心，10mm为半径画圆，包括其周围的105个体素。计算感兴趣区与全脑的相关系数，得到每组被试的默认网络功能连接图，使用Fisher’sr-to-z转换将相关系数转化为Z值，使其更加接近正态分布，以利于统计分析。
组内分析：用单样本t检验(onesamplet-test)对病例和对照每一组人的功能连接图分别进行统计分析，p<0.001，连续体素数量大于6，经过Alphasim校正后p<0.05的脑区定义为有意义。分别得到每一组人在静息状态下大脑的功能连接图。
组间分析：用两独立样本t检验(twosamplet-test)对两组人的脑功能连接图进行对比分析，p<0.05，连续体素数量大于85，经过Alphasim校正后p<0.05的脑区有统计学意义。这样得到两组被试功能连接图的统计差异。
所有的ReHo、ALFF、FC图均由三位有经验的专业医师单独分析，然后汇总确定有改变的脑区。

Claims (3)

1.一种基于原发性癫痫的静息态功能磁共振的数据处理方法，其特征在于,包括如下步骤：
S1.数据采集：常规检查序列包括轴位T2加权成像、T1加权成像和弥散加权成像，以平行前后联合的水平进行全脑轴位扫描，以排除颅内器质性病变；T1-3DBRAVO序列扫描，作为结构像将数据处理后的功能像叠加其上，用以显示正激活和负激活的脑区；静息态扫描，采用梯度回波单次激发回波平面成像；
S2.数据预处理：1.对每个被试对象的fMRI原始数据转换为.img的格式；2.校正原始图像中层与层获得的时间的不同；3.采用迭代算法对6个参数进行头部刚体模型配准，排除头部沿着X，Y，Z三个方向的平移和围绕这三个方向的旋转超过2mm，或者任意角度旋转大于2°的被试对象；4.将每个被试的图像放入统一的标准空间进行标准化，将其转为朝向和大小都相同的图像；5.空间平滑：使用全宽半高高斯核对fMRI图像进行空间平滑处理；6.对空间平滑后的fMRI图像进行去线性漂移；7.去除高频呼吸心跳及低频噪声；
S3.数据分析：包括ReHo数据分析、ALFF数据分析和FC数据分析，所有的ReHo、ALFF、FC图均单独分析，然后汇总确定有改变的脑区。
2.根据权利要求1所述的一种基于原发性癫痫的静息态功能磁共振的数据处理方法，其特征在于,
ReHo数据分析：计算出脑内每个体素与其周围相邻的3个或3个以上体素在时间序列上的一致性，得出该体素的肯德尔和谐系数，即为该体素的ReHo值，每个体素均有一个ReHo值，所有体素构成了受试者的ReHo脑。
3.根据权利要求1或2所述的一种基于原发性癫痫的静息态功能磁共振的数据处理方法，其特征在于,
ALFF数据分析：首先保留低频段0.01-0.08Hz内所有频率点上的BOLD信号，将这些数据进行傅立叶变换计算功率谱，功率谱的峰下面积可视为信号的能量，然后对其开方，可得到该信号的振荡幅度，也就是BOLD信号的波动变化强度,进而绘制振幅的统计参数脑图，来描述体素自发活动的强弱。
CN201610029534.6A 2016-01-14 2016-01-14 基于原发性癫痫的静息态功能磁共振的数据处理方法 Pending CN105708462A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610029534.6A CN105708462A (zh) 2016-01-14 2016-01-14 基于原发性癫痫的静息态功能磁共振的数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610029534.6A CN105708462A (zh) 2016-01-14 2016-01-14 基于原发性癫痫的静息态功能磁共振的数据处理方法

Publications (1)

Publication Number Publication Date
CN105708462A true CN105708462A (zh) 2016-06-29

Family

ID=56147855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610029534.6A Pending CN105708462A (zh) 2016-01-14 2016-01-14 基于原发性癫痫的静息态功能磁共振的数据处理方法

Country Status (1)

Country Link
CN (1) CN105708462A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109480841A (zh) * 2017-09-13 2019-03-19 复旦大学 基于功能磁共振成像的异常脑区精准定位与矫正方法
CN109965895A (zh) * 2019-03-28 2019-07-05 济南国科医工科技发展有限公司 一种基于脑影像融合特征的癫痫灶定位方法
CN110148108A (zh) * 2019-03-27 2019-08-20 深圳市南山区人民医院 基于功能磁共振的带状疱疹性神经痛疗效预测方法及系统
CN110534195A (zh) * 2019-09-05 2019-12-03 深圳龙岗智能视听研究院 一种基于数据空间变换的阿尔兹海默症检测方法
CN110555844A (zh) * 2019-09-17 2019-12-10 武汉大学 功能磁共振成像技术fMRI在分析人脑区活动改变中的应用
CN112155584A (zh) * 2020-10-23 2021-01-01 广州中医药大学第一附属医院 颞叶癫痫致痫灶的个体化影像定位诊断系统
CN112617825A (zh) * 2020-12-17 2021-04-09 中国人民解放军西部战区总医院 一种导联电极在快速定位癫痫病灶中的应用
CN113571142A (zh) * 2021-06-07 2021-10-29 四川大学华西医院 精神影像一体化系统
CN114209287A (zh) * 2022-01-07 2022-03-22 新疆医科大学第一附属医院 基于自动磁共振成像的癫痫病灶定位方法及系统
CN114376522A (zh) * 2021-12-29 2022-04-22 四川大学华西医院 构建用于识别青少年肌阵挛癫痫的计算机识别模型的方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1795819A (zh) * 2004-12-30 2006-07-05 中国科学院自动化研究所 功能磁共振数据处理中的功率谱定量分析方法
CN1969746A (zh) * 2005-11-23 2007-05-30 中国科学院自动化研究所 综合时域与空域信息分析功能磁共振数据的方法
CN103054582A (zh) * 2012-12-08 2013-04-24 西安电子科技大学 基于肥胖模型PWS的大脑核团Granger因果分析方法
WO2013140276A1 (en) * 2012-03-19 2013-09-26 Koninklijke Philips N.V. Magnetic resonance image reconstruction method with respiratory mot detection during sampling of central and peripheral k- space areas
CN103767707A (zh) * 2014-02-17 2014-05-07 南通南大四维影通科技有限公司 血样水平依赖性功能磁共振信号震荡频率聚类分析方法
CN103886591A (zh) * 2014-03-06 2014-06-25 西安电子科技大学 一种基于RYGB手术减肥的大脑核团Granger因果分析的方法
US20140292333A1 (en) * 2013-04-02 2014-10-02 Thomas Beck Establishing a Magnetic Resonance System Actuation Sequence
WO2014091374A3 (en) * 2012-12-12 2014-11-06 Koninklijke Philips N.V. Motion detection and correction method for magnetic resonance diffusion weighted imaging (dwi)
CN104182621A (zh) * 2014-08-08 2014-12-03 同济大学 基于深度信念网络的adhd判别分析方法
WO2015009339A1 (en) * 2013-07-19 2015-01-22 Mayo Foundation For Medical Education And Research System and method for measurement of shear wave speed from multi-directional wave fields
CN104715150A (zh) * 2015-03-19 2015-06-17 上海海事大学 一种基于复杂网络的偏头痛患者大脑皮层的辅助分类分析方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1795819A (zh) * 2004-12-30 2006-07-05 中国科学院自动化研究所 功能磁共振数据处理中的功率谱定量分析方法
CN1969746A (zh) * 2005-11-23 2007-05-30 中国科学院自动化研究所 综合时域与空域信息分析功能磁共振数据的方法
WO2013140276A1 (en) * 2012-03-19 2013-09-26 Koninklijke Philips N.V. Magnetic resonance image reconstruction method with respiratory mot detection during sampling of central and peripheral k- space areas
CN103054582A (zh) * 2012-12-08 2013-04-24 西安电子科技大学 基于肥胖模型PWS的大脑核团Granger因果分析方法
WO2014091374A3 (en) * 2012-12-12 2014-11-06 Koninklijke Philips N.V. Motion detection and correction method for magnetic resonance diffusion weighted imaging (dwi)
US20140292333A1 (en) * 2013-04-02 2014-10-02 Thomas Beck Establishing a Magnetic Resonance System Actuation Sequence
WO2015009339A1 (en) * 2013-07-19 2015-01-22 Mayo Foundation For Medical Education And Research System and method for measurement of shear wave speed from multi-directional wave fields
CN103767707A (zh) * 2014-02-17 2014-05-07 南通南大四维影通科技有限公司 血样水平依赖性功能磁共振信号震荡频率聚类分析方法
CN103886591A (zh) * 2014-03-06 2014-06-25 西安电子科技大学 一种基于RYGB手术减肥的大脑核团Granger因果分析的方法
CN104182621A (zh) * 2014-08-08 2014-12-03 同济大学 基于深度信念网络的adhd判别分析方法
CN104715150A (zh) * 2015-03-19 2015-06-17 上海海事大学 一种基于复杂网络的偏头痛患者大脑皮层的辅助分类分析方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109480841A (zh) * 2017-09-13 2019-03-19 复旦大学 基于功能磁共振成像的异常脑区精准定位与矫正方法
CN110148108A (zh) * 2019-03-27 2019-08-20 深圳市南山区人民医院 基于功能磁共振的带状疱疹性神经痛疗效预测方法及系统
CN109965895B (zh) * 2019-03-28 2024-01-23 济南国科医工科技发展有限公司 一种基于脑影像融合特征的构建癫痫灶定位分类器的方法
CN109965895A (zh) * 2019-03-28 2019-07-05 济南国科医工科技发展有限公司 一种基于脑影像融合特征的癫痫灶定位方法
CN110534195A (zh) * 2019-09-05 2019-12-03 深圳龙岗智能视听研究院 一种基于数据空间变换的阿尔兹海默症检测方法
CN110555844A (zh) * 2019-09-17 2019-12-10 武汉大学 功能磁共振成像技术fMRI在分析人脑区活动改变中的应用
CN112155584A (zh) * 2020-10-23 2021-01-01 广州中医药大学第一附属医院 颞叶癫痫致痫灶的个体化影像定位诊断系统
CN112617825A (zh) * 2020-12-17 2021-04-09 中国人民解放军西部战区总医院 一种导联电极在快速定位癫痫病灶中的应用
CN113571142B (zh) * 2021-06-07 2023-04-25 四川大学华西医院 精神影像一体化系统
CN113571142A (zh) * 2021-06-07 2021-10-29 四川大学华西医院 精神影像一体化系统
CN114376522A (zh) * 2021-12-29 2022-04-22 四川大学华西医院 构建用于识别青少年肌阵挛癫痫的计算机识别模型的方法
CN114376522B (zh) * 2021-12-29 2023-09-05 四川大学华西医院 构建用于识别青少年肌阵挛癫痫的计算机识别模型的方法
CN114209287A (zh) * 2022-01-07 2022-03-22 新疆医科大学第一附属医院 基于自动磁共振成像的癫痫病灶定位方法及系统
CN114209287B (zh) * 2022-01-07 2023-08-11 新疆医科大学第一附属医院 基于自动磁共振成像的癫痫病灶定位方法及系统

Similar Documents

Publication Publication Date Title
CN105708462A (zh) 基于原发性癫痫的静息态功能磁共振的数据处理方法
Hinkley et al. Clinical symptoms and alpha band resting-state functional connectivity imaging in patients with schizophrenia: implications for novel approaches to treatment
Ghahremani et al. Frontoparietal functional connectivity in the common marmoset
Cook et al. Assessing the accuracy of topographic EEG mapping for determining local brain function
Musso et al. Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks
US6907280B2 (en) Method and apparatus for objectively measuring pain, pain treatment and other related techniques
Enatsu et al. Connections of the limbic network: a corticocortical evoked potentials study
Lindgren et al. Thalamic metabolic rate predicts EEG alpha power in healthy control subjects but not in depressed patients
Stufflebeam et al. Localization of focal epileptic discharges using functional connectivity magnetic resonance imaging
KR20200086316A (ko) 개별 환자 데이터 및 치료적 뇌 네트워크 맵을 사용한 효능 및/또는 치료적 파라미터 추천
US20020058867A1 (en) Method and apparatus for measuring indices of brain activity during motivational and emotional function
US20040096089A1 (en) Non-invasive functional imaging of peripheral nervous system activation in humans and animals
Chen et al. Functional magnetic resonance imaging for imaging neural activity in the human brain: the annual progress
Du et al. Aberrances of cortex excitability and connectivity underlying motor deficit in acute stroke
Lizarazu et al. Spatiotemporal dynamics of postoperative functional plasticity in patients with brain tumors in language areas
EP1272105A2 (en) Method and apparatus for objectively measuring pain, pain treatment and other related techniques
Molina et al. Dorsolateral prefrontal cortex contribution to abnormalities of the P300 component of the event-related potential in schizophrenia
Burgess MEG for greater sensitivity and more precise localization in epilepsy
Wang et al. Vagus nerve stimulation balanced disrupted default-mode network and salience network in a postsurgical epileptic patient
Nie et al. Electroconvulsive therapy changes temporal dynamics of intrinsic brain activity in depressed patients
Hu et al. Characteristic analysis of white matter lesions in migraine patients with MRI
CN113647902A (zh) 一种活体无创检测人轻度认知功能障碍的方法
Qiu et al. A resting-state fMRI study of patients with HIV infection based on regional homogeneity method
Scheeringa On the relation between oscillatory EEG activity and the BOLD signal
Ding et al. Exploring the relevance between brain glucose metabolism and functional connectivity in Chinese cognitive dysfunctions’ subjects using integrated resting-state PET/MRI images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160629

RJ01 Rejection of invention patent application after publication