CN108364007A - 一种基于脑结构连接约束的脑功能连接特征提取方法 - Google Patents

Abstract

本发明提供了一种基于脑结构连接约束的脑功能连接特征提取方法，包括步骤：获取该被试对象的弥散磁共振脑影像，将大脑皮层划分为n个感兴趣的区域，确定任意两个所述区域间的最短步长，据此构建n*n的最短步长矩阵scD，将所述最短步长矩阵scD进行二值化，形成n*n的约束矩阵scD_约束；B、获取该被试对象的功能磁共振脑影像，将大脑皮层划分为与步骤A相同的n个感兴趣的区域，据此确定出n*n的功能连接矩阵FC；C、将所述功能连接矩阵FC和所述约束矩阵scD_约束的各个元素对应进行逻辑与运算，以实现对于功能连接矩阵FC的脑功能连接特征提取。

Description

一种基于脑结构连接约束的脑功能连接特征提取方法

技术领域

本发明涉及脑影像技术领域，特别是一种基于脑结构连接约束的脑功能连接特征提取方法。

背景技术

人脑是自然界中最为复杂的系统之一。数以千亿计的神经元通过数百亿个神经突触相互连接形成的一个极其复杂的脑神经网络。该脑神经网络被认为是人脑进行快速高效信息传输进而实现各种认知功能的基础。近年来随着弥散和功能磁共振影像技术的发展，研究者们已经成功地在宏观水平上绘制出了人脑的结构和功能连接模式。

其中，弥散磁共振影像能够检测脑体素内水分子在各个方向上的弥散程度，结合纤维追踪技术可以估计出脑内白质纤维束。基于估计出的脑白质纤维束，即可判断不同脑区或者脑体素之间是否存在脑结构连接，以及这种连接的空间轨迹，并且可以定义连接的强度。

功能磁共振影像技术可以被用来估计不同体素或不同脑区间脑活动信号的时间同步性，即脑功能连接。然而，基于统计关联的功能连接会引起大量的虚假连接和缺乏生物意义的连接。但是现有技术却通常忽略了对虚假连接的严格控制，更重要的是忽略了不同脑区的同步活动必须要通过神经纤维的信息传递来实现这一重要的生物约束。基于此，现有技术的上述缺陷不利于功能连接的广泛应用。

发明内容

本发明的主要目的在于提供一种基于脑结构连接约束的脑功能连接特征提取方法，采用一约束矩阵表示出不同感兴趣的大脑区域的同步活动之间的联系，基于上述联系约束所述功能连接矩阵，就可以规避掉虚假的功能连接和缺乏生物意义的功能连接。

为实现上述发明目的，本发明方法包括以下步骤：

A、获取该被试对象大脑的弥散磁共振脑影像，划分为n个感兴趣的大脑区域，确定任意两所述区域间的最短步长，据此构建n*n的最短步长矩阵scD，将所述最短步长矩阵scD进行二值化，形成n*n的约束矩阵scD_约束；

B、获取该被试对象大脑的功能磁共振脑影像，划分为与步骤A相同的n个感兴趣的大脑区域，据此确定出n*n的功能连接矩阵FC；

C、将所述功能连接矩阵FC和所述约束矩阵scD_约束的各个元素对应进行逻辑与运算，以实现对于功能连接矩阵FC的脑功能连接特征提取。

其中，步骤A中，所述确定任意两所述区域间的最短步长的步骤包括：

构建n*n的结构连接特征矩阵，对所述连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC；

基于所述二值化的结构连接特征矩阵SC，确定出n*n的最短步长矩阵scD。

由上，二值化结构连接特征矩阵用于表示不同区域间是否存在脑白质纤维连接。

其中，将所述最短步长矩阵scD进行二值化包括：设置一阈值步长，所述最短步长矩阵scD中的元素大于所述阈值步长时，在二值化处理时将该元素置0；

所述最短步长矩阵scD中的元素小于所述阈值步长时，将该元素置1。

由上，通过阈值步长限定不同区域之间的结构关系，例如阈值步长为1表示两区域直接连接；阈值步长为1表示两区域通过另一区域间接连接。

其中，构建n*n的结构连接特征矩阵，对所述结构连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC包括：针对两个区域间脑白质纤维连边有无，若有则该人脑白质纤维结构连接特征置1，否则置0。

其中，构建n*n的结构连接特征矩阵，对所述结构连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC包括：针对两个区域间脑白质纤维数量，若大于设定值则该人脑白质纤维结构连接特征置1，否则置0。

其中，构建n*n的结构连接特征矩阵，对所述结构连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC包括：针对两个区域间平均脑白质纤维长度，若大于设定值则该人脑白质纤维结构连接特征置1，否则置0。

由上，上述三种结构连接矩阵，采用了一种结构连接特征，矩阵中的每个元素均采用单一信息，包括两个区域间有无脑白质连边、两个区域间的白质纤维数量或两个区域间的白质平均长度，实现矩阵的构建。

其中，所述结构连接特征矩阵SC中的元素包括多个特征参数y1、y2、……、yl；

对应的，对所述连接特征矩阵二值化包括：采用公式

对所述元素进行二值化处理，a₁％、a₂％、......、a_l％分别表示y1、y2、……、yl的不同权重，且a₁％+a2％+……+a_l％＝1；所述门限值为一常数。

由上，当结构连接矩阵采用多种结构连接特征构建时，采用降维公式将结构连接矩阵降维，并进行二值化，从而更易提高计算效率。

其中，步骤B所述功能连接矩阵FC包括：

矩阵中FC_ij表示任意两感兴趣的大脑区域间的皮尔森相关系数，用于量化任意两感兴趣的大脑区域间的功能连接；

式中t表示时间序列的个数；TC_i、TC_j分别表示感兴趣的大脑区域i和感兴趣的大脑区域j的时间序列；分别表示所述TC_i和TC_j的平均值；而m表示时间序列上第m个时间点。

由上，即可通过任意两个感兴趣的大脑区域间的皮尔森相关系数量化出所述两个区域间的功能连接关系。

其中，所述步骤B后，还包括对所述功能连接矩阵FC进行多重比较校正的步骤。

由上，通过对所述功能连接矩阵进行多重比较校正，可以理解为设置了一个相关性的阈值，将所述皮尔森相关系数与该阈值进行比较，依据比较结果进行矩阵中元素的保留或去除，由此可以去除矩阵中被认为是假阳性错误的元素。

附图说明

图1所示为本发明实施例提供的基于脑结构连接约束的脑功能连接特征提取算法的流程图；

图2所示为被试对象大脑的弥散磁共振脑影像示意图；

图3所示为被试对象大脑的功能磁共振脑影像示意图；

图4所示为90*90二值化结构连接特征矩阵示意图；

图5所示为约束矩阵示意图；

图6所示为多重比较校正后的功能连接矩阵示意图；

图7所示为采用约束矩阵对多重比较校正的功能连接矩阵进行约束后的示意图。

具体实施方式

下面参见图1～图7对本发明所述的基于脑结构连接约束的脑功能连接特征提取方法进行详细说明。

参见图1，本发明的基于脑结构连接约束的脑功能特征提取方法包括以下步骤：

S101：针对任意被试对象，获取该被试对象的弥散磁共振脑影像和功能磁共振脑影像。

如图2所示为被试对象的弥散磁共振脑影像、图3所示为被试对象大脑的功能磁共振脑影像。

S102：针对弥散磁共振脑影像，将大脑灰质划分为n个感兴趣的区域，提取所述n个感兴趣的大脑区域中任意两个间的二值化结构连接特征矩阵。

本步骤中，对所述弥散磁共振脑影像进行预处理，并估计每个体素的纤维方向，利用纤维追踪技术获取被试对象的全脑白质纤维。纤维追踪技术可以描述为：首先选取一定数量的初始点，针对每一个初始点，根据当前位置的脑白质纤维方向，按照一定的步进规则前进，进行到下一位置点，再根据该位置点的脑白质纤维方向前进，迭代上述过程直到达到终止条件，这样得到的一条轨迹就是追踪到的脑白质纤维。基于所追踪到全脑白质纤维便可获知其两端端点位置信息(坐标信息)以及长度信息等。

基于先验的国际上通用的脑图谱或者高分辨率随机脑区划分模板，将被试的大脑灰质划分为n个感兴趣的大脑区域。

通过结合上述获取的全脑白质纤维和n个感兴趣的大脑区域，判断n个区域中任意两个区域是否存在脑白质连接。即通过全脑白质纤维追踪算法的结果，可得知各脑白质纤维的端点信息。结合n个感兴趣的大脑区域(后续简称区域)，当确定存在某一脑白质纤维的两端点分别落在两不同区域，即表示以上两区域存在脑白质纤维连接。从而可得到如图4所示的n*n二值化结构连接特征矩阵SC。

本实施例中，n＝90，即该二值化结构连接特征矩阵SC为90*90的矩阵，矩阵中每个元素(SC₁₁～SC_nn)由0或1组成，0或1分别代表无或有脑白质纤维连接。例如，当SC_ij＝0就表示第i个区域和第j个区域之间不存在脑白质纤维连接，而当SC_ij＝1就表示第i个区域和第j个区域之间存在脑白质纤维连接。

上述判断两区域存在脑白质纤维连接的方法属于最简单的方法，即是否某一脑白质纤维的两端点分别落在两不同区域。实际判断中，n*n二值化结构连接特征矩阵SC还包括通过纤维数量或平均脑白质纤维长度进行判断。

举例来说，根据各脑白质纤维的端点落在哪两个区域，哪些脑白质纤维一端在区域i，另一端在区域j，就可以得到i、j区域间的脑白质纤维连接数量，从而扩展至任意区域间的连接数量。

更进一步的，基于各区域间的不同连接数量的脑白质纤维的长度，可以获取到各区域间平均脑白质纤维长度。

当连接特征为平均脑白质纤维长度时，n*n表示的是人脑白质纤维结构连接矩阵是一个非二值矩阵。SC_ij表示人脑白质纤维结构连接矩阵中的区域i和区域j所连接的连边长度。同理如连接特征为纤维数量也是一个非二值矩阵。

而后，将各被试对象的n*n结构连接特征矩阵SC二值化。当结构连接特征值大于0(纤维数量大于0、平均脑白质纤维长度大于0)时，就把该连边的值置1，当结构连接特征值等于0时，就把该连边的值置0，以得到二值化的结构连接特征矩阵SC。

另外，对于非二值矩阵进行结构连接特征值二值化时，除了上述以纤维数量大于0、平均脑白质纤维长度大于0为依据二值化外，也可以设置一门限值，例如连边数量大于x1、平均脑白质纤维连边长度大于x2时，对应的结构连接特征值置为1，否则为0。

另外，上述的结构连接特征矩阵，是以采用了一种结构连接特征构建，如矩阵中的每个值均采用纤维数量这单一信息。若为了数据更加精确、高效，上述的结构连接矩阵还可以采用多种结构连接特征构建，例如矩阵中的每个值为一个二维子矩阵SC_ij(y1、y2)，y1、y2分别表示纤维数量和平均脑白质纤维长度，结构连接特征值二值化时将SC_ij(y1、y2)降维二值化，简单的可以以下述公式降维和二值化：

式中a₁％、a₂％分别表示不同权重，且a₁％+a₂％＝1。同理，矩阵中的每个值还可为一个三维子矩阵，由于本实施例中纤维数量和平均脑白质纤维长度已经涵盖了有无连边的情况，故在此不再赘述三维子矩阵的实施例。

S103：针对所述二值化结构连接特征矩阵中的非0元素，确定最短步长并进行阈值化。

本步骤中，采用Floyd-Warshall算法求出所述二值化结构连接特征矩阵SC的最短步长，从而对应生成最短步长矩阵scD。

采用Floyd-Warshall算法求出第i个区域和第j个区域之间的最短步长，即对应为scD_ij。

当scD_ij＝1，表示区域i和区域j之间存在直接脑白质纤维的连接；

当scD_ij＝2，表示存在第三区域，分别与所述区域i和区域j通过脑白质纤维相连；

当scD_ij＝3、4、……、n时，依次类推不再赘述。

设置一阈值步长D_阈，对所述最短步长矩阵scD进行二值化处理，得到如图5所示的约束矩阵。对应为：当scD_ij＞D_阈时，在二值化处理时将该元素置0，当scD_ij＜D_阈时，将该元素置1。

本实施例中，D_阈步长设置为2，其意为确保两区域至多只通过一个第三区域相连或两区域直接连接，从而保留不同脑区的同步活动必须要通过神经纤维的信息传递这一重要的生物约束。

S104：针对所述功能磁共振脑影像，将其大脑皮层划分为与步骤S102相同的n个感兴趣脑区，获取所述n个感兴趣的大脑区域中任意两个间的功能连接特征矩阵。

本步骤中，首先对所述功能磁共振脑影像进行预处理，包括空间扭曲校正、头动校正、配准到国际通用的标准空间坐标系统，强度标准化以及偏置场的移除。上述预处理步骤为现有技术，不再详述。

提取每个大脑皮层感兴趣区域的时间序列(功能磁共振影像为四维图像，在时间维度上的时间序列通常会有约200个时间点)，利用皮尔森相关系数分析公式量化两个感兴趣的大脑区域的功能连接，得到n*n(即90*90)的功能连接矩阵。

具体的，皮尔森相关系数分析公式表示为：

式中FC_ij表示区域i和区域j的皮尔森相关系数，也就是两区域的功能连接关系，t表示时间序列的个数；TC_i、TC_j分别表示区域i和区域j的时间序列；分别表示所述TC_i和TC_j的平均值；而m表示时间序列上第m个时间点，参数m不参与运算，仅进行标记。

对所述功能连接矩阵进行多重比较校正，校正结果如图6所示。

所述多重比较校正的思想是调整检验水准，根据比较的次数重新设定检验水准，最终根据比较结果做出结论。比如常规的检验水准是0.05，只要比较结果小于0.05就认为有统计学差异。但是如果用多重比较校正法调整，则需要设定新的更严格的检验水准。例如，常用的Bonferroni校正认为，如果在同一数据集上同时检验N个独立的假设，那么用于每一假设的统计显著水平，应为仅检验一个假设时的显著水平的1/N(即0.05/N)。本实施例中共90个区域，则N＝n(n-1)/2＝90*89/2＝4005，则比较结果显著性＜0.05/4005时其相关性是显著的，若比较结果显著性＞0.05/4005时其相关性非显著的，被认为是假阳性错误。当然，实际校正时还包括采用FDR矫正代替所述Bonferroni校正，在此不再赘述。

所述比较结果就是前述皮尔森相关系数。基于此，对所述功能连接矩阵进行多重比较校正包括：当皮尔森相关系数显著性＜0.05/4005时保留功能连接，当皮尔森相关系数显著性＞0.05/4005时将功能连接置0。从而可以消除矩阵中假阳性错误的元素。

以上实施例采用皮尔森相关系数量化功能连接关系，实际处理时，还包括小波相关、互相关等其他算法进行功能连接关系的量化，在此不再赘述。

S105：采用约束矩阵对校正后的功能连接矩阵进行约束，从而实现特征提取。

本步骤中，将约束矩阵和校正后的功能连接矩阵进行逻辑与运算以实现约束，如图7所示，当约束矩阵对应位置为1时，校正后的功能连接矩阵的对应位置数值不变；反之当约束矩阵对应位置为0时，校正后的功能连接矩阵的对应位置数值为0。具体表示为：

其中scFC_ij表示约束后的功能连接特征；FC_ij表示多重比较校正后的功能连接矩阵；scD_ij表示约束矩阵，i、j分别表示区域的标号。

本步骤的原理在于：假设功能连接应该有结构基础，也就是只有存在结构连接的两个区域之间才认为可能存在功能连接。因此我们可以用结构连接特征矩阵来限制功能连接。进一步的，可以通过步长限定约束所述结构连接特征矩阵，即设定在步长为2以内进行约束，由此可以充分考虑到两个区域的直接连接，以及通过第三区域间接连接的复杂连接情况。即保留了不同脑区的同步活动必须要通过神经纤维的信息传递来实现这一重要的生物约束。

针对例如图7所示示意图，在实现特征提取后，通过结合结构约束的功能网络(静态或动态)和基于图论的复杂网络分析方法，可以量化个体功能网络的拓扑属性，例如小世界属性、集聚系数、最短路径长度、局部效率和全局效率等。

以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于脑结构连接约束的脑功能连接特征提取方法，其特征在于，包括步骤：

A、获取该被试对象的弥散磁共振脑影像，将大脑皮层划分为n个感兴趣的区域，确定任意两个所述区域间的最短步长，据此构建n*n的最短步长矩阵scD，将所述最短步长矩阵scD进行二值化，形成n*n的约束矩阵scD_约束；

B、获取该被试对象的功能磁共振脑影像，将大脑皮层划分为与步骤A相同的n个感兴趣的区域，据此确定出n*n的功能连接矩阵FC；

C、将所述功能连接矩阵FC和所述约束矩阵scD_约束的各个元素对应进行逻辑与运算，以实现对于功能连接矩阵FC的脑功能连接特征提取。

2.根据权利要求1所述的方法，其特征在于，步骤A中，所述确定任意两所述区域间的最短步长的步骤包括：

构建n*n的连接特征矩阵，对所述结构连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC；

基于所述二值化的结构连接特征矩阵SC，确定出n*n的最短步长矩阵scD。

3.根据权利要求2所述的方法，其特征在于，将所述最短步长矩阵scD进行二值化包括：设置一阈值步长，所述最短步长矩阵scD中的元素大于所述阈值步长时，在二值化处理时将该元素置0；

所述最短步长矩阵scD中的元素小于所述阈值步长时，将该元素置1。

4.根据权利要求2所述的方法，其特征在于，构建n*n的连接特征矩阵，对所述连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC包括：针对两个区域间脑白质纤维连边有无，若有则该人脑白质纤维结构连接特征置1，否则置0。

5.根据权利要求2所述的方法，其特征在于，构建n*n的连接特征矩阵，对所述连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC包括：针对两个区域间脑白质纤维数量，若大于设定值则该人脑白质纤维结构连接特征置1，否则置0。

6.根据权利要求2所述的方法，其特征在于，构建n*n的连接特征矩阵，对所述连接特征矩阵二值化，生成二值化的结构连接特征矩阵SC包括：针对两个区域间平均脑白质纤维长度，若大于设定值则该人脑白质纤维结构连接特征置1，否则置0。

7.根据权利要求4至6任一所述的方法，其特征在于，所述结构连接特征矩阵SC中的元素包括多个特征参数y1、y2、……、yl；

对应的，对所述连接特征矩阵二值化包括：采用公式

对所述元素进行二值化处理，a₁％、a₂％、......、a_l％分别表示y1、y2、……、yl的不同权重，且a₁％+a2％+……+a_l％＝1；所述门限值为一常数。

8.根据权利要求1所述的方法，其特征在于，步骤B所述功能连接矩阵FC包括：

矩阵中FC_ij表示任意两感兴趣的大脑区域间的皮尔森相关系数，用于量化任意两感兴趣的大脑区域间的功能连接；

式中t表示时间序列的个数；TC_i、TC_j分别表示感兴趣的大脑区域i和感兴趣的大脑区域j的时间序列；分别表示所述TC_i和TC_j的平均值；而m表示时间序列上第m个时间点。

9.根据权利要求8所述的方法，其特征在于，所述步骤B后，还包括对所述功能连接矩阵FC进行多重比较校正的步骤。