CN106485039A - 一种汉语脑语言区分布图的构建方法 - Google Patents

Abstract

本发明涉及医学图像处理及应用领域，涉及汉语脑语言区分布图的构建方法，本发明的针对现有技术尚无公认的汉语脑语言区的定位的现状，提供新的、基于群组的、可靠的构建汉语语言分布图的方法，本方法基于术中皮质电刺激构建汉语脑语言区分布图，可用于神经外科准确定位汉语脑语言区。本构建方法主要包括二维概率图谱、三维表面分布图谱、基于随机效应模型的统计参数图谱的构建，分别从两维、三维展示语言功能区在大脑的分布情况，本发明可以有效地避免只靠MRI定位汉语语言功能区的偏差，术中语言定位可以准确地定位汉语言区域，为临床手术提供更加完善的参考及指导。

Description

一种汉语脑语言区分布图的构建方法

技术领域

本发明涉及医学图像处理及应用领域，具体涉及脑功能区的分布图的构建方法，尤其涉及汉语脑语言区分布图的构建方法，本方法基于术中皮质电刺激构建汉语脑语言区分布图，可用于神经外科准确定位汉语脑语言区。

背景技术

有关研究实践显示了汉语不同于英语等拼音字母语言。字母语言以字母作为元素组成了线性结构，而汉字则是由象形文字组成的非线性结构。英语的阅读遵循着形音转换的规则，即每个字母都可以对应到最小的发音单位，而汉字的阅读则需要通过正字法到音韵的转换，从而寻找对应的音节。简单讲，就是英语的发音是由一串线性的语音决定，即组装语音。而对于汉语来讲，汉字的发音只有通过提取认知网络中的语音信息才能实现，因此汉语属于寻址语音。这些语言特点以及文化和教育系统的差异可能会导致语言处理过程中神经表征的不同。

越来越多的功能神经解剖学的证据表明，汉语和英语的处理需要不同的脑区参与。有关功能性磁共振成像(fMRI)研究发现，脑区左侧额中回(LMFG)被认为参与了汉字的语音和正字法加工以及阿拉伯数字的运算，在母语为英语的人群中却未发现LMFG的激活。更多文献公开了有关汉语和字母语言的语音处理的荟萃分析和比较，如Tan等文献，总之，汉字和字母语言的处理可能涉及到不同脑区。

迄今为止，大多数汉语语言处理的研究都是采用功能神经影像学的方法，这就导致了既往研究可靠性的欠缺。医学实践中，术中直接电刺激(ISM)的语言功能定位能够直接刺激皮层，已广泛应用于脑肿瘤的切除。ISM已成为公认的功能定位金标准，它可以定位那些“必需”的语言皮质。除了临床的定位价值外，本领域研究者关注于如何构建基于金标准的语言分布图。既往已经有一些研究使用ISM构建了字母语言的语言分布图，其中，Sanai等在2008年通过电生理的方法构建了三个任务(数数，图片命名和文字阅读)在英语人群中的分布图。据知，这种分布图在汉语人群中还未见报道。基于功能磁共振成像研究中英语和汉语语言处理的相似性和差异，本申请的发明人针对现有技术尚无公认的汉语脑语言区的定位的现状，拟在基于ISM的语言分布图应该存在共性和差异的基础上，提供一种汉语脑语言区分布图的构建方法。

发明内容

本发明的目的针对现有技术尚无公认的汉语脑语言区的定位的现状，提供新的、基于群组的、可靠的构建汉语语言分布图的方法，尤其涉及汉语脑语言区分布图的构建方法，本方法基于术中皮质电刺激构建汉语脑语言区分布图，可用于神经外科准确定位汉语脑语言区。

为实现上述目的，本发明提出一种基于术中皮质电刺激的汉语脑语言区分布图的构建方法，用以准确定位汉语脑语言区。

具体的，本发明的汉语脑语言区分布图的构建方法，主要包括二维概率图谱、三维表面分布图谱(更为精确)、基于随机效应模型的统计参数图谱的构建，分别从两维、三维展示语言功能区在大脑的分布情况；所述方法包括：⑴病例选择；⑵语言评估；⑶MRI数据采集和任务范式；⑷MRI成像处理；⑸术中语言定位；⑹基于电生理的汉语语言网络的建立。本发明的方法构建的汉语脑语言区分布图可以有效地避免只靠MRI定位汉语语言功能区的偏差，术中语言定位又可以准确地定位汉语言区域，为临床手术提供更加完善的参考及指导。

更具体的，

本发明中，二维概率图谱的构建是以Ch2模板为基础然后生成一张方格图，将模板设定个数方格，通过术中图像和神经导航，标记术中直接电刺激(ISM)的位置在方格图上；之后计算每个方格中的阳性概率；方格中的阳性概率通过立方差值的方法上采样，并用伪彩图的形式显示；

本发明中，三维表面分布图谱的构建是通过神经导航图片和结构标记，其中，将个体阳性位点的坐标转换为标准坐标(MNI)，以此生成供感兴趣区分析的三维语言图谱；然后，在可视化工具的帮助下，用Ch2模板定位并输出MNI坐标；

本发明中，将基于激活似然估计(ALE)的meta分析方法用于基于ISM的语言终止图谱；进一步产生统计参数图谱；其中将阳性位点坐标视为来自于“单个研究结果”的“峰值坐标”；然后通过一个对应的半最大值全宽度(FWHM)在峰值坐标上进行高斯平滑，半高全宽能够反应可信度，该种置信水平代表了操作者能够相信这个阳性位点的程度，之后，在所有被试上生成一个模糊的焦点，并进行统计检验，生成ALE图谱(包含p值)；通过综合评估肿瘤位置、大小、级别，病人术前和术后功能状态，最终确定置信水平；

本发明中，ALE统计图谱通过下述方法构建：整合肿瘤位置、大小、WHO评级，以及病人术前和术后功能情况的评估结果，将ISM阳性位点的可信度参数化；其中，本发明根据肿瘤位置对语言功能的潜在影响对其进行分类：涉及到的四个脑区按可信度水平由低(影响多)到高(影响小)分类：1为额叶，2为颞叶和(或)顶叶，3为岛叶；

所有被试上的肿瘤大小都分为四个部分：从大到小标记为1到4(1:>110.7mm3,2:75.2-110.7mm3,3:39.8-75.2mm3,4:<39.8mm3)，其中考虑了大的肿瘤有更大的可能侵入和渗透，将功能区从原来的位置挤走的因素；

术前语言功能状态分为1到3，分别代表受损、暂时受损和没有受损；

将术后功能水平分为1到3，分别代表永久受损(6个月)、暂时受损(1个月)和没有受损；

总的可信度水平x通过公式1计算获得，

其中，Si代表每个因素的得分，ωi代表权重；本发明中针对所述5个因素对可信度水平的贡献不同，给予其不同的权重，其中，肿瘤位置、大小、WHO评级的权重均为0.25；病人术前和术后功能状态的权重均为0.125；

本发明中，为将总的可信度水平x转换为用于ALE计算的FWHM参数，根据公式[2]将x转换为“有效数目”(y)，0.3125来自于x的极值，即所有5个因素均为1的情况，α的值由经验确定，本发明的实施例中设为2.5，因此y的取值范围从1到316，本发明的实施例中优选取值范围为7到187；

然后，将y转换为高斯函数中的FWHM，用以在ALE的计算中用来模糊焦点，y增大，高斯核会变窄变高(即FWHM变小，可信度水平变大)；

最后，采用GingerALE软件，基于ALE的方法进行元分析，生成发音抑制情况的ALE统计图谱，以及p值图，附加的FWHM为8mm；未校正的p值0.01作为阈值。

本发明的优点有：

本方法基于术中皮质电刺激构建汉语脑语言区分布图，有助于语言定位，并选择性地阻断特定的语言成分，优于现有技术的基于fMRI和其他非创伤手段的间接反应脑部的电活动得现代语言网络分析方法。本发明证实汉语脑语言区与传统的脑语言区有一定的差别，汉语的语言分布图较英语的分布更加分散，个体差异更大。本方法有助于神经外科准确定位汉语脑语言区，进一步为临床手术提供更加完善的参考及指导。

附图说明

图1是本发明二维概率图谱、三位表面分布图谱、激活似然估计统计图谱建立的总体流程。

图2是本发明二维概率图谱构建的详细流程图。

图3是本发明三位表面分布图谱构建的详细流程图。

图4是本发明激活似然估计统计图谱构建的详细流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。

实施例1构建汉语脑语言区分布图

本实施例的汉语脑语言区分布图的构建方法，主要包括二维概率图谱、三维表面分布图谱、基于随机效应模型的统计参数图谱的构建，分别从两维、三维展示语言功能区在大脑的分布情况；其包括：

构建二维概率图谱：以Ch2模板为基础然后生成一张方格图，将模板分成234个方格，通过参考术中图像和神经导航，两位神经外科医生(JF Lu，JS Wu)将术中直接电刺激(ISM)的位置标记在方格图上；之后计算每个方格中的阳性概率；另外，所有方格中的阳性概率都通过立方差值的方法上采样，并用伪彩图的形式显示；

通过神经导航图片和结构标记构建三维表面分布图谱，其中，将个体阳性位点的坐标转换为标准坐标(MNI)，以此生成供感兴趣区分析的三维语言图谱；然后，在可视化工具“BrainNet Viewer”的帮助下，用Ch2模板定位并输出MNI坐标，坐标均经资深神经外科医生(JS Wu)的确认，以提高准确度，并降低主观误差；

采用激活似然估计(ALE)统计图谱，该图谱为基于ALE的meta分析方法应于基于ISM的语言终止的图谱，进一步产生可以推广到整个人群中的统计参数图谱；其中将阳性位点坐标视为来自于“单个研究结果”的“峰值坐标”；然后通过一个对应的半最大值全宽度(FWHM)在峰值坐标上进行高斯平滑，半高全宽能够反应可信度，该种置信水平代表了操作者能够相信这个阳性位点的程度，之后，在所有被试上生成一个模糊的焦点，并进行统计检验，生成ALE图谱(包含p值)；通过综合评估肿瘤位置、大小、级别，病人术前和术后功能状态，经过神经外科和放射科医生达成共识，最终确定置信水平；

ALE统计图谱通过下述方法构建：整合肿瘤位置、大小、WHO评级，以及病人术前和术后功能情况的评估结果，将ISM阳性位点的可信度参数化；其中，本发明根据肿瘤位置对语言功能的潜在影响对其进行分类：涉及到的四个脑区按可信度水平由低(影响多)到高(影响小)分类：1为额叶，2为颞叶和(或)顶叶，3为岛叶；WHO的肿瘤分级从1到3，分别代表级别IV、III和II，这是因为高级别肿瘤被认为更多的影响外周区域，并导致语言功能恶化；

所有被试上的肿瘤大小都分为四个部分：从大到小标记为1到4(1:>110.7mm3,2:75.2-110.7mm3,3:39.8-75.2mm3,4:<39.8mm3)，其中考虑了大的肿瘤有更大的可能侵入和渗透，将功能区从原来的位置挤走的因素；术前语言功能状态分为1到3，分别代表受损、暂时受损和没有受损；将术后功能水平分为1到3，分别代表永久受损(6个月)、暂时受损(1个月)和没有受损；

总的可信度水平x通过5个因素的整合按公式1计算获得，

其中，Si代表每个因素的得分，ωi代表权重；本发明中针对所述5个因素对可信度水平的贡献不同，给予其不同的权重，其中，肿瘤位置、大小、WHO评级的权重均为0.25；病人术前和术后功能状态的权重均为0.125；

为将总的可信度水平x转换为用于ALE计算的FWHM参数，根据公式[2]将x转换为“有效数目”(y)，0.3125来自于x的极值，即所有5个因素均为1的情况，α的值设为2.5，y的取值范围为7到187；

然后，将y转换为高斯函数中的FWHM，可以在ALE的计算中用来模糊焦点，y增大，高斯核会变窄变高(即FWHM变小，可信度水平变大)；

最后，利用GingerALE软件，基于ALE的方法进行元分析，生成发音抑制情况的ALE统计图谱，以及p值图，附加的FWHM为8mm；未校正的p值0.01作为阈值。

实施例2准确定位汉语脑语言区临床实验

基于以下的纳入标准选择病例：1)汉族成人；2)日常操普通话；3)右利手；4)根据术前的结构和功能磁共振成像判断病灶位于大脑左半球的语言区5)术前考虑颅内肿瘤；排除标准：1)严重的语言障碍或认知障碍；2)术中神经电生理监测或唤醒手术的禁忌症(即阻塞性睡眠呼吸暂停综合征或严重的颅内高压患者)；3)初步诊断为颅外肿瘤；4)占位效应明显导致脑部变形；总计来自国内8个不同省份的55例患者被纳入为研究对象；自2010年12月至2012年12月，55例左侧脑胶质瘤在我院行语言功能定位手术；所有手术均通过单位伦理委员会批准，手术前所有病人或病人家属签署知情同意。

语言评估：

所有患者术前均采用汉语失语检查法(Aphasia Battery of Chinese,ABC)(西部失语检查法的汉语标准化版本)对患者进行语言功能评估，失语指数(Aphasia Quotient,AQ)(包括自发性语言，理解、复述和命名)用于评估语言能力，术前的认知能力采用MMSE(Mini Mental State Examination)进行评估，术前具有严重语言障碍(AQ<50)或严重认知障碍(MMSE<23)的患者予以排除；术后同一名神经心理医生分别在病人出院前(术后7-10天)、术后1月、3月进行语言评估以判断手术对功能预后的影响；

MRI数据采集和任务范式：

MRI影像的扫描全在3.0T的MRI(MAGNETOM Verio 3.0T,Siemens AG,Erlangen,Germany)中采用8通道线圈获得；常规的MRI扫描序列的参数包括MPRAGE序列(3D T1-weighted magnetization-prepared rapid-gradient echo)(acquired through axial plane,TR＝1900ms；TE＝2.93ms；flip angle＝9degree；matrix size＝256×215；slice number＝176；slice thickness＝1mm；field-of-view(FOV)＝250×219mm；acquisition averages＝1；scanning time＝7min 49s)；T2-FLAIR序列(acquired through axial plane,TR＝9000ms；TE＝99ms；TI＝2500ms；flip angle＝150degree；matrixsize＝256×160；slice number＝66；slice thickness＝2mm；field-of-view(FOV)＝240×214mm；scanning time＝6min 54s)；这些结构像的主要作用为任务态的叠加提供解剖信息；

BOLD-fMRI采用EPI序列，参数如下：TR＝3000ms；TE＝30ms；flip angle＝90degrees；matrix size＝96×96；FOV＝240×240mm；46contiguoustransversal slices；voxel size＝2.5×2.5×3mm3；3dummy scans.本研究的被试共有三种不同的任务模式，其中有15例被试同时进行了动词产生(verb generation,VG)和图片命名(picture naming,PN)的任务；另外有15人进行了汉语诗歌的默读(convert recitation,CR)；所有的任务均为组块设计，按照“任务-休息”的顺序进行，每个组块持续时间为30s(即任务和静息的持续时间相同)，所有任务共60个时间点，总时长为3分钟；具体的任务是要求患者根据屏幕中的名词产生动词并默念(convert VG)，对屏幕中的图片进行命名并默念(convert PN)，或根据MRI室的灯光默诵自己所熟知的古诗，休息时则要求患者注释屏幕中的十字(VG和PN)或休息(CR)；

MRI成像处理：

1)建立病灶分布图

为了呈现病变的分布情况和更好的理解病灶对语言功能区分布的占位效应，构建病变的分布图，采用MRIcron软件(NIH Blueprint for NeuroscienceResearch,Bethesda,MD,USA))按如下步骤：(1)由两名神经外科医生(18年和5年经验)将T2-FLAIR或者3D T1-MPRAGE图像上识别的肿瘤在3D T1像上通过手工的方式逐层制作mask；(2)将每个被试的大脑根据模板(即Ch2模板)进行标准化，然后，将标准化的仿射变换应用到每个病人肿瘤mask上，(3)将标准化后的肿瘤进行二值化，在各组中将肿瘤的mask相加然后叠加到ch2的模板，如果仅T2-FLAIR图像可用，肿瘤mask的标准化通过EPI序列标准化生成的仿射变换完成；

2)fMRI数据分析

采用Statistical Parametric Mapping(SPM8,http://www.fil.ion.ucl.ac.uk)进行预处理和统计学分析生成激活图；由于在数据采集前有三个空扫描(dummy scan)，因此在预处理前不删除EPI的时间点；首先，在时间校正以后(slice timing),每个被试的所有EPI数据进行头动矫正，头动位移超过2mm或转动2度的被试被排除；其次，将所有被试的结构像协同肿瘤翻转的mask与功能像进行配准；继之所有的EPI序列协同翻转的mask进行空间标准化，以及以6mm的平滑核进行空间高斯平滑；

本实施例中采用一般线性模型(GLM，generalized linear model)在个体水平上进行处理；

采用随机效应单样本t检验生成任务激活图，生成基于个体的t图，定义基于个体的阈值t，制定t值的原则是逐步降低t直到在左侧的额上、中、下回出现明显的激活，将所有个体的激活保存为mask，然后进行二值化，将所有的mask进行相加，得到激活区在群体中的分布概率图；

术中语言定位：

采用Axon Epoch XP型多功能脑电监护系统(Axon System公司,美国)：⑴DAQ816E数据采集器；⑵操作软件版本1.20；⑶电刺激器，最大电流强度100mA；⑷双极皮质刺激探针(直径1mm，正负极间距5mm)；手术之前，首先采用MRI兼容的皮下针状电极(专利号：ZL201110074011.0)置入头皮下和靶向肌肉用于记录肌肉动作复合电位，参数设置如下：阳极为刺激电极，阴极为参考电极；脉冲间隔1ms，电流2mA～6mA，逐步上调，同时记录皮质后放电(afterdischarge)，一旦出现即停止刺激，并下调0.5mA作为刺激电流强度，按10mm*10mm逐一刺激皮质，排查功能区，同时监测脑电图，采用四点或六点条形电极，平敷于刺激区前后缘硬膜下，紧贴皮质表面，记录皮质后放电，患者清醒状态下刺激运动区时询问患者躯体感觉，并观察有无肢体不自主运动，刺激语言区时，观察患者语言反应。先是随意语言对答，然后是数数(1-50)，最后是看图片命名(如“这是......”)和单词阅读(如这个词汇是......)，患者胸前置无线麦克风，便于应答清晰可辨，同时摄像头记录患者语言活动，并监测其面部抽搐情况；阳性结果判定标准：同一部位共刺激3次，如果其中2次出现语言功能抑制(言语中断、命名障碍或失读)即认定为阳性区域；如在fMRI语言皮质激活区刺激，只要1次出现语言功能抑制即认定为阳性区域；言语中断需要与构音障碍进行鉴别，构音障碍多是由于不随意肌肉的收缩引起(例如口唇或咽肌)。以消毒数字或字母标签标示阳性位点，当手术野皮质暴露范围仅有语言功能阴性区，不再为寻找阳性位点而扩大皮质显露；最后，通过术中拍照和导航截图记录阳性位点的位置，在导航和术中图片的帮助下，分别获取每个刺激位点的个体坐标，通过标准化将其转化为标准坐标，标记在collin27模版上；

基于电生理的汉语语言网络的建立：

1)被试和MRI数据

自2010年12月到2012年12月，共有55例语言区的胶质瘤患者接受唤醒手术，其中，共有11例(6男4女；平均年龄30.9岁，范围24-54岁)患者符合本实施例研究的纳入标准：(1)肿瘤占位效应小，对皮质的影响小，考虑对语言区的移位及重塑影响较小，故接近正常脑；(2)术中语言皮质定位有言语终止的阳性位点；(3)该患者具有术前的静息态数据；所有被试均为母语为汉语的中国人，爱丁堡利手量表评估所有被试均为右利手；本研究通过伦理委员会的批准，所有的被试均签署了知情同意书；

MRI结构像的扫描参数同前；静息态fMRI采用EPI序列，参数如下：TR:2000；TE:35；slice thickness:4；matrix64*64；slice number:33；flipangle:90；voxel:3.28*3.28*4mm,time points:240；

2)语言皮质定位(具体方法详见前文的术中语言定位)；

3)选定种子点：

根据术中导航记录的术中语言的阳性位点图像，得到阳性位点的个体坐标作为种子点：

4)数据处理

先将静息态fMRI的数据预处理：首先删除前10个时间点的数据以获得稳定的BOLD信号，。然后采用DPARSFA软件(www.restfmri.net/forum)进行批量自动处理，包括：时间矫正、头动矫正、将结构像与功能像进行配准，然后对功能像采用6mm的平滑核进行高斯平滑；预处理结束后对数据进行去线性漂移，滤波(0.01-0.08Hz)。在个体空间内，以ISM的阳性位点MNI坐标(个体的具体坐标见表)作为中心，6mm作为半径的球体设为感兴趣区(regions-of-interest,ROI)，将此区域的时间序列信号与全脑进行Pearson相关分析计算功能连接，然后相关系数r进行Fisher变换得到符合正态分布的相关系数；其中有多个阳性位点的被试，将其该被试得到的多个功能连接图进行平均得到平均后的z图，将每个被试的肿瘤做mask后，以此将每个被试的个体T1结构像配准至标准空间，将此配准函数应用于每个被试的z图，即得到标准化后的z图；采用单样本t检验将11个被试的功能连接进行组分析，生成语言网络分布图。

Claims (10)

1.一种汉语脑语言区分布图的构建方法，其特征在于，包括二维概率图谱、三维表面分布图谱、以及基于随机效应模型的统计参数图谱的构建。

2.如权利要求1所述的构建方法，其特征在于，所述二维概率图谱的构建以CH2为模板。

3.如权利要求1或2所述的构建方法，其特征在于，所述二维概率图谱中，用一张方格图将模板分成234个方格后参考术中图像和神经导航，将直接电刺激的位置标记在方格图上，之后计算每个方格中的阳性概率。

4.如权利要求3所述的构建方法，其特征在于，所述的方格中的阳性概率通过立方差值的方法上采样，并用伪彩图的形式显示。

5.如权利要求1所述的构建方法，其特征在于，所述三维表面分布图谱的构建是通过神经导航图片和结构标记，将个体阳性位点的坐标转换为标准坐标(MNI)，生成供感兴趣区分析的三维语言图谱。

6.如权利要求5所述的构建方法，其特征在于，其中，采用可视化工具“BrainNetViewer”的配合，用Ch2模板定位并输出MNI坐标。

7.如权利要求1或2所述的构建方法，其特征在于，将基于激活似然估计(ALE)的meta分析方法用于基于ISM的语言终止图谱，产生统计参数图谱；其中将阳性位点坐标视为来自于“单个研究结果”的“峰值坐标”；然后通过一个对应的半最大值全宽度(FWHM)在峰值坐标上进行高斯平滑，之后，在所有被试上生成一个模糊的焦点，并进行统计检验，生成ALE图谱；通过综合评估肿瘤位置、大小、级别，病人术前和术后功能状态，最终确定置信水平。

8.如权利要求1所述的构建方法，其特征在于，所述ALE统计图谱通过如下方法构建：整合肿瘤位置、大小、WHO评级，以及病人术前和术后功能情况的评估结果，将ISM阳性位点的可信度参数化；其中根据肿瘤位置对语言功能的潜在影响对其进行分类：涉及到的四个脑区按可信度水平由低到高分类：(1)为额叶，(2)为颞叶和/或顶叶，(3)为岛叶；

所有被试上的肿瘤大小都分为四个部分：从大到小标记为(1)到(4)，其中，(1):>110.7mm3,(2):75.2-110.7mm3,(3):39.8-75.2mm3,(4):<39.8mm3)；

术前语言功能状态分为(1)到(3)，分别代表受损、暂时受损和没有受损；

将术后功能水平分为(1)到(3)，分别代表永久受损、暂时受损和没有受损；

总的可信度水平x通过公式1计算获得，

$x={\mathrm{\&Sigma;}}_{i=1}^5{\mathrm{\&omega;}}_i*\frac{S_i}{max\left(S_i\right)},{\mathrm{while\&Sigma;}}_{i=1}^5{\mathrm{\&omega;}}_i=1---\&lsqb;1\&rsqb;$

其中，Si代表每个因素的得分，ωi代表权重；其中，肿瘤位置、大小、WHO评级的权重均为0.25；病人术前和术后功能状态的权重均为0.125；

将总的可信度水平x转换为用于ALE计算的FWHM参数，根据公式[2]将x转换为“有效数目”(y)，0.3125来自于x的极值，即所有5个因素均为1的情况，α的值设为2.5，y的取值范围为7到187；

$y=round\left({10}^{\mathrm{\&alpha;}\frac{(x-0.3125)}{(1-0.3125)}}\right)---\&lsqb;2\&rsqb;$

将y转换为高斯函数中的FWHM，在ALE的计算中用来模糊焦点，y增大，高斯核会变窄变高，即FWHM变小，可信度水平变大；

采用GingerALE软件，基于ALE的方法进行元分析，生成发音抑制情况的ALE统计图谱，以及p值图。

9.如权利要求7所述的构建方法，其特征在于，其中，半高全宽反应可信度，该种置信水平代表操作者能够相信所书述阳性位点的程度。

10.如权利要求8所述的构建方法，其特征在于，其中，附加的FWHM为8mm；未校正的p值0.01作为阈值。