CN109330595B - 基于连接强度分析的脑核团动态可变性测量方法 - Google Patents

基于连接强度分析的脑核团动态可变性测量方法 Download PDF

Info

Publication number
CN109330595B
CN109330595B CN201811359992.1A CN201811359992A CN109330595B CN 109330595 B CN109330595 B CN 109330595B CN 201811359992 A CN201811359992 A CN 201811359992A CN 109330595 B CN109330595 B CN 109330595B
Authority
CN
China
Prior art keywords
brain
node
time
nuclei
person
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.)
Active
Application number
CN201811359992.1A
Other languages
English (en)
Other versions
CN109330595A (zh
Inventor
南姣芬
孟颍辉
朱颢东
宗楠楠
李红婵
陈启强
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.)
Zhengzhou University of Light Industry
Original Assignee
Zhengzhou University of Light Industry
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 Zhengzhou University of Light Industry filed Critical Zhengzhou University of Light Industry
Priority to CN201811359992.1A priority Critical patent/CN109330595B/zh
Publication of CN109330595A publication Critical patent/CN109330595A/zh
Application granted granted Critical
Publication of CN109330595B publication Critical patent/CN109330595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain

Landscapes

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

Abstract

本发明提出了一种基于连接强度分析的脑核团动态可变性测量方法，包括：采集fMRI数据并进行预处理；借助滑动时间窗技术将fMRI数据划分成T个时间段，并构建脑功能连接矩阵，计算每个脑核团两两时间段之间的连接向量相关的平均，得到相关分析法求得的脑核团的动态特性；对每个时间段下的脑功能连接矩阵进行列平均，得到脑核团的节点强度；针对每个脑核团节点强度随时间变化的曲线进行逐点斜率平均，得节点强度斜率分析法求得的每个脑核团的动态特性；结合相关分析法和节点强度斜率分析法，测量脑核团动态可变性的高低。本发明克服了脑核团局部测量的缺点，并将度量分析深入到每个时间窗上，使脑核团动态可变性度量更精准。

Description

基于连接强度分析的脑核团动态可变性测量方法
技术领域
本发明属于神经影像数据分析技术领域，尤其涉及一种基于连接强度分析的脑核团动态可变性测量方法。
背景技术
功能性磁共振成像是利用磁振造影来测量神经元活动所引发的血液动力的改变。功能磁共振成像技术(fMRI)是通过检验血流进入脑细胞的磁场变化而实现脑功能成像。功能磁共振具有无创伤、时间和空间分辨率高的特点，逐渐应用于神经科学的多个领域，阐明神经活动和皮层间的功能联系，揭示神经功能异常的改变，为认知神经科学或脑信息学的实验研究提供了有利条件，同时又在病理学研究方面具有重要的临床意义，有较高的应用价值，已日益成为观察大脑活动，进而揭示脑和思维关系的一种重要方法。
脑核团是指大脑的结构区域，每个脑核团具有特定的功能。fMRI能够呈现出脑核团随时间的功能活动变化规律。通过对静息态下的脑核团分析，有可能揭示人类大脑神经机制的复杂机理。在过去，脑核团的研究主要是基于该核团或其附近区域内大脑活动值的改变，局限于局部变化的测量。事实上，人脑是个复杂的系统，大脑中各个区域之间是存在信息交互的，这种信息交互构成了个体本身的脑功能系统，并与个体的认知、情感、感知、疼痛、运动等各类行为表现和健康状况有着紧密的联系。因此，将脑核团的研究扩展到整个大脑系统，从给定核团与其他核团之间信息交互的角度进行脑核团的研究(即基于脑功能连接的研究)具有重要的意义。
之前的许多研究将fMRI数据看成是扫描期间内脑系统的状况不发生改变，也就是说，此类研究是基于人脑功能活动静态假设的。然而，大脑非常复杂，其功能活动无时无刻不在变化。这种大脑的动态变化特性已经被认为是与脑疾病相关的重要指标，可能作为临床上诊断的辅助参数。当前，仅有的脑核团动态可变性研究要么局限于局部测量，要么存在特定状况下会发生错误的缺点。因此，如何对脑核团进行更精准地测量成为目前人脑动态特性研究中亟待解决的关键技术问题。
发明内容
本发明的目的在于克服上述现有技术中存在脑核团动态可变性分析不精确的问题，从而提出一种基于连接强度分析的脑核团动态可变性测量方法，使脑核团动态可变性的度量结果更加准确。
为了便于理解，对本发明中出现的部分名词作以下解释说明：
静息态：指人类在清醒、不受任何刺激、不集中做任何事情的放松状态。
fMRI：英文全称为functional magnetic resonance imaging，功能磁共振成像，是一种新兴的神经影像学技术，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。
体素：大脑的每个脑区中含有多个体素，每个体素是指一小块立方体区域，本发明中的每个体素的大小为3×3×3mm3。
AAL模板：英文全称为Anatomical Automatic Labeling，该模板将人脑分为116个区域，但只有90个区域属于大脑，剩余26个区域属于小脑结构，在此发明中只用到90个大脑区域。
脑核团的动态可变性：为一个人90个大脑区域的动态可变性，一个脑核团对应一个脑区，即对应一个节点。
为了实现上述目的，本发明采用以下技术方案：
一种基于连接强度分析的脑核团动态可变性测量方法，包括以下步骤：
步骤1：采集M个人静息态下的fMRI数据；
步骤2：对每个采集到的fMRI数据进行预处理；
步骤3：借助滑动时间窗技术将每个人的fMRI数据，划分成T个时间段，每个时间段对应一个时间节点，即T个时间节点，并构建每个人每个时间节点的脑功能连接矩阵
Figure BDA0001867082270000021
其中，m表示第m个人，t表示第t个时间节点；
步骤4：针对每个人的所有时间节点下的脑功能连接矩阵
Figure BDA0001867082270000022
采用相关分析法求每个人的所有脑核团的动态可变性
Figure BDA0001867082270000023
其中，i表示第i个脑核团，即第i个节点；
步骤5：针对每个人的所有时间节点下的脑功能连接矩阵
Figure BDA0001867082270000024
采用节点强度斜率分析法求每个人的所有脑核团的动态可变性
Figure BDA0001867082270000025
步骤6：结合相关分析法和节点强度斜率分析法，测量脑核团动态可变性的高低。
优选地，所述的对每个fMRI数据进行预处理，具体包括以下步骤：
对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点；
对去除时间点后的fMRI数据进行切片时间校正；
对切片时间校正后的fMRI数据进行头动对齐处理；
对头动对齐处理后的fMRI数据进行空间标准化；
对空间标准化后的fMRI数据进行去线性漂移；
对去线性漂移后的fMRI数据进行带通滤波。
优选地，所述的对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点，包括：去除时间点的个数为10；
所述的对去线性漂移后的fMRI数据进行带通滤波，包括：带通滤波的频率区间为0.01～0.08Hz。
优选地，所述的步骤3，具体包括以下步骤：
步骤3.1：采用滑动时间窗技术对每个人的fMRI数据进行动态时间段划分；
设定时间窗的个数为T，窗宽为W，步长为L；每个时间窗对应的时间节点为t，则将每个人经过预处理的数据分割为重叠的T个时间段，则每段的长度为W，相邻时间窗相差L；
步骤3.2：选定一个脑模板，将整个大脑划分成N个脑核团，每个脑核团对应一个节点，即N个节点；
步骤3.3：针对每个时间段，计算每个脑核团的时间序列；
Figure BDA0001867082270000031
其中，τi是指第i个脑核团的平均时间序列，Vq是指第i个节点中第q个体素的时间序列，ni是第i个节点包含的体素数目；i＝1,2，…，N；q＝1,2，…，ni；
步骤3.4：计算任意两个脑核团之间的皮尔森相关系数，得出每个时间段的两两节点之间的功能连接强度
Figure BDA0001867082270000032
Figure BDA0001867082270000033
其中，
Figure BDA0001867082270000034
是指节点i和节点j之间的功能连接强度；τi是指节点i的fMRI时间序列，i＝1,2，…，N；τj是指节点j的fMRI时间序列，j＝1,2，…，N；
步骤3.5：两两节点的功能连接强度构成脑功能连接矩阵；
Figure BDA0001867082270000035
其中，
Figure BDA0001867082270000041
表示第m个人第t个时间段的脑功能连接矩阵，
Figure BDA0001867082270000042
表示第m个人第t个时间段下第i个节点的功能连接强度构成的向量。
优选地，所述的步骤3.2中，选定的脑模板为AAL模板。
优选地，所述的步骤4中的脑核团的动态可变性
Figure BDA00018670822700000413
由下式得到：
Figure BDA0001867082270000043
其中，
Figure BDA0001867082270000044
表示第m个人第i个节点的从1到T两两时间段下连接强度向量之间的皮尔森相关系数之和，T表示总共有T个时间节点。
优选地，所述的步骤5，具体包括以下步骤：
步骤5.1：对每个人的脑功能连接矩阵进行列平均，得到每个人每个脑核团的节点强度；
Figure BDA0001867082270000045
其中，
Figure BDA0001867082270000046
表示对第m个人第t个时间段的脑功能连接矩阵进行列平均得到的节点强度矩阵，
Figure BDA0001867082270000047
表示第m个人第t个时间段下第i个脑核团的节点强度；
步骤5.2：对每个人，作出每个节点强度的值随着时间窗变化的曲线
Figure BDA0001867082270000048
Figure BDA0001867082270000049
其中，
Figure BDA00018670822700000410
表示第i个脑核团的节点强度随时间窗的动态变化曲线向量；
步骤5.3：对每个人，基于每个节点强度的动态变化曲线，计算每个时间窗的斜率
Figure BDA00018670822700000411
Figure BDA00018670822700000412
其中，m表示第m个人，i表示第i个节点，t表示第t个时间窗，T表示共有T个时间窗；
步骤5.4：基于每个时间窗斜率，求每个人的节点强度斜率矩阵
Figure BDA0001867082270000051
Figure BDA0001867082270000052
其中，
Figure BDA0001867082270000053
表示第m个人第i个脑核团的动态可变性；N表示共有N个脑区节点。
优选地，所述的步骤6，具体包括以下步骤：
步骤6.1：对由相关分析法求得的每个人的所有脑核团的动态可变性
Figure BDA0001867082270000054
按升序排列，取位于前C位的脑核团组成集合
Figure BDA00018670822700000513
取位于后C位的脑核团组成集合
Figure BDA0001867082270000055
步骤6.2：50％以上的
Figure BDA0001867082270000056
中均存在的脑核团是相关分析法求得的动态可变性较高的脑核团，组成集合SS1；50％以上的
Figure BDA0001867082270000057
中均存在的脑核团是相关分析法求得的动态可变性较低的脑核团，组成集合SS2；
步骤6.3：由每个人节点强度斜率分析法得到的节点强度斜率矩阵Km，对其所有脑核团的动态可变性
Figure BDA0001867082270000058
按降序排列，取位于前C位的脑核团组成集合
Figure BDA0001867082270000059
取位于后C位的脑核团组成集合
Figure BDA00018670822700000510
步骤6.4：50％以上的
Figure BDA00018670822700000511
中均存在的脑核团判定为节点强度斜率分析法求得的动态可变性较高的脑核团，构成集合SR1；50％以上的
Figure BDA00018670822700000512
中均存在的脑核团判定为节点强度斜率分析法求得的动态可变性较低的脑核团，构成集合SR2；
步骤6.5：对集合SS1和SR1取交集，交集中的元素被判定为动态可变性较高的脑核团；对集合SS2和SR2取交集，交集中的元素被判定为动态可变性较低的脑核团。
与现有技术相比，本发明具有的有益效果：
1.本发明提出了基于连接强度分析的脑核团动态可变性测量方法。脑核团的连接强度分析将大脑看成不同区域相互关联的整体，克服了以往研究主要局限于核团及核团附近区域内大脑活动值变化这一缺点，不再将大脑核团看成孤立的节点，而是看作大脑整体信息交互系统中的重要组成部分。
2.本发明提出的基于连接强度分析的脑核团动态可变性测量方法，克服了之前被研究者广泛认可的同步性测量相关分析法的缺点。同步性测量相关分析法认为，同步性测量值越大则动态变化就越小，而同步性测量值越小则动态变化就越大。这种方法在下面这种情况下是错误的：如果某一核团与其他核团之间的连接变化同步，都发生了相同倍数的极大改变，采用同步性相关分析法会认为动态变化非常小，但事实上情况是该核团发生了显著的动态变化。
3.本发明提出的基于连接强度分析的脑核团动态可变性测量方法，综合了相关分析法和节点强度斜率分析法的优点。相关分析法是从脑核团的所有相关连接特异性角度进行测量，而节点强度斜率分析法是从脑核团信息交互强度的整体变化来进行测量。两种方法的结合不仅可以度量给定脑核团与不同子系统信息交互力度的改变，还可以度量该核团与其他所有核团信息交互强度的变化。该方法对脑核团动态特性的度量更为精准、全面。
附图说明
图1为本发明基于连接强度分析的脑核团动态可变性测量方法的基本流程示意图。
图2为本发明基于连接强度分析的脑核团动态可变性测量方法中随机选取一例被试者4个脑核团的节点强度随时间变化的示意图。
具体实施方式
为了便于理解，对本发明中出现的部分名词作以下解释说明：
肠易激综合症患者：英文全称为Irritable Bowel Syndrome，以下简称为IBS。
健康被试组：英文全称为Healthy Subject Group，以下简称为HSG。
下面结合附图和具体的实施例对本发明做进一步的解释说明。
以下所有实施例中所采集的fMRI数据采用德国西门子公司的3T磁共振扫描仪，利用梯度回波平面成像序列对被试者进行采集，其设置的参数如下：TR＝2s；TE＝30ms；翻转角度＝90°；层内分辨率＝3.75×3.75mm2；层厚度＝5mm；矩阵大小＝64；轴状位上扫描层数＝30；总共扫描时间为6分钟，每个被试者包含了180个三维功能像；在扫描过程中，使用乌龙头线圈和泡沫垫子固定被试者头部避免头动；在扫描完成后，被试者会被询问其在扫描期间是否保持放松并清醒的状态，以避免不合格的扫描序列纳入。
参考图1所示，实施例1：本发明提供的一种基于连接强度分析的脑核团动态可变性测量方法，包括以下步骤：
步骤1：采集M个人静息态下的fMRI数据；
步骤2：对每个采集到的fMRI数据进行预处理；
步骤3：借助滑动时间窗技术将每个人的fMRI数据，划分成T个时间段，每个时间段对应一个时间节点，即T个时间节点，并构建每个人每个时间节点的脑功能连接矩阵
Figure BDA0001867082270000061
其中，m表示第m个人，t表示第t个时间节点；
步骤4：针对每个人的所有时间节点下的脑功能连接矩阵
Figure BDA0001867082270000071
采用相关分析法求每个人的所有脑核团的动态可变性
Figure BDA0001867082270000072
其中，i表示第i个脑核团，即第i个节点；
步骤5：针对每个人的所有时间节点下的脑功能连接矩阵
Figure BDA0001867082270000073
采用节点强度斜率分析法求每个人的所有脑核团的动态可变性
Figure BDA0001867082270000074
步骤6：结合相关分析法和节点强度斜率分析法，测量脑核团动态可变性的高低。
实施例2：本发明提供的另一种基于连接强度分析的脑核团动态可变性测量方法，包括以下步骤：
步骤1：采集M个人静息态下的fMRI数据。
步骤2：对每个采集到的fMRI数据进行预处理；
所述的对每个fMRI数据进行预处理，具体包括以下步骤：
对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点；
对去除时间点后的fMRI数据进行切片时间校正；
对切片时间校正后的fMRI数据进行头动对齐处理；
对头动对齐处理后的fMRI数据进行空间标准化；
对空间标准化后的fMRI数据进行去线性漂移；
对去线性漂移后的fMRI数据进行带通滤波。
优选地，所述的对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点，包括：去除时间点的个数为10；
所述的对去线性漂移后的fMRI数据进行带通滤波，包括：带通滤波的频率区间为0.01～0.08Hz。
步骤3：借助滑动时间窗技术将每个人的fMRI数据，划分成T个时间段，每个时间段对应一个时间节点，即T个时间节点，并构建每个时间节点的脑功能连接矩阵
Figure BDA0001867082270000075
其中，m表示第m个人，t表示第t个时间窗；
所述的步骤3，具体包括以下步骤：
步骤3.1：采用滑动时间窗技术对每个人的fMRI数据进行动态时间段划分；
设定时间窗的个数为T，窗宽为W，步长为L；每个时间窗对应的时间节点为t，则将每个人经过预处理的数据分割为重叠的T个时间段，则每段的长度为W，相邻时间窗相差L；步骤3.2：选定一个脑模板，将整个大脑划分成N个脑核团，每个脑核团对应一个节点，即N个节点；
步骤3.3：针对每个时间段，计算每个脑核团的时间序列；
Figure BDA0001867082270000081
其中，τi是指第i个脑核团的平均时间序列，Vq是指第i个节点中第q个体素的时间序列，ni是第i个节点包含的体素数目；i＝1,2，…，N；q＝1,2，…，ni；
步骤3.4：计算任意两个脑核团之间的皮尔森相关系数，得出每个时间段的两两节点之间的功能连接强度
Figure BDA0001867082270000082
Figure BDA0001867082270000083
其中，
Figure BDA0001867082270000084
是指第m个人第t个时间节点下节点i和节点j之间的功能连接强度；τi是指节点i的fMRI时间序列，i＝1,2，…，N；τj是指节点j的fMRI时间序列，j＝1,2，…，N；
步骤3.5：两两节点的功能连接强度构成脑功能连接矩阵；
Figure BDA0001867082270000085
其中，
Figure BDA0001867082270000086
表示第m个人第t个时间段的脑功能连接矩阵，
Figure BDA0001867082270000087
表示第m个人第t个时间段下第i个节点的功能连接强度构成的向量。
具体的，所述的步骤3.2中，选定的脑模板为AAL模板。
步骤4：针对每个人的所有时间节点下的脑功能连接矩阵
Figure BDA0001867082270000088
采用相关分析法求每个人的所有脑核团的动态可变性
Figure BDA0001867082270000089
其中，i表示第i个脑核团，即第i个节点；
具体地，所述的步骤4中的脑核团的动态可变性
Figure BDA00018670822700000810
由下式得到：
Figure BDA0001867082270000091
其中，
Figure BDA0001867082270000092
表示第m个人第i个节点的从1到T两两时间段下连接强度向量之间的皮尔森相关系数之和，T表示总共有T个时间节点。
步骤5：针对每个人的所有时间节点下的脑功能连接矩阵
Figure BDA0001867082270000093
采用节点强度斜率分析法求每个人的所有脑核团的动态可变性
Figure BDA0001867082270000094
具体地，所述的步骤5，具体包括以下步骤：
步骤5.1：对每个人的脑功能连接矩阵进行列平均，得到每个人每个脑核团的节点强度；
Figure BDA0001867082270000095
其中，
Figure BDA0001867082270000096
表示对第m个人第t个时间段的脑功能连接矩阵进行列平均得到的节点强度矩阵，
Figure BDA0001867082270000097
表示第m个人第t个时间段下第i个脑核团的节点强度；
步骤5.2：对每个人，作出每个节点强度的值随着时间窗变化的曲线
Figure BDA0001867082270000098
Figure BDA0001867082270000099
其中，
Figure BDA00018670822700000910
表示第m个人第i个脑核团的节点强度随时间窗的动态变化曲线向量；
具体的，如图2所示，在被试对象中随机选取一例被试者对其作出的4个脑核团的节点强度随时间窗变化的示意图；
步骤5.3：对每个人，基于每个节点强度的动态变化曲线，计算每个时间窗的斜率
Figure BDA00018670822700000911
Figure BDA00018670822700000912
其中，m表示第m个人，i表示第i个节点，t表示第t个时间窗，T表示共有T个时间窗；步骤5.4：基于每个时间窗斜率，求每个人的节点强度斜率矩阵
Figure BDA0001867082270000101
其中，
Figure BDA0001867082270000102
表示第m个人第i个脑核团的动态可变性；N表示共有N个脑区节点。
步骤6：结合相关分析法和节点强度斜率分析法，测量脑核团动态可变性的高低；
所述的步骤6，具体包括以下步骤：
步骤6.1：对由相关分析法求得的每个人的所有脑核团的动态可变性
Figure BDA0001867082270000103
按升序排列，取位于前C位的脑核团组成集合
Figure BDA0001867082270000104
取位于后C位的脑核团组成集合
Figure BDA0001867082270000105
步骤6.2：50％以上的
Figure BDA0001867082270000106
中均存在的脑核团是相关分析法求得的动态可变性较高的脑核团，组成集合SS1；50％以上的
Figure BDA0001867082270000107
中均存在的脑核团是相关分析法求得的动态可变性较低的脑核团，组成集合SS2；
步骤6.3：由每个人节点强度斜率分析法得到的节点强度斜率矩阵Km，对其所有脑核团的动态可变性
Figure BDA0001867082270000108
按降序排列，取位于前C位的脑核团组成集合
Figure BDA0001867082270000109
中，取位于后C位的脑核团组成集合
Figure BDA00018670822700001010
步骤6.4：50％以上的
Figure BDA00018670822700001011
中均存在的脑核团判定为节点强度斜率分析法求得的动态可变性较高的脑核团，构成集合SR1；50％以上的
Figure BDA00018670822700001012
中均存在的脑核团判定为节点强度斜率分析法求得的动态可变性较低的脑核团，构成集合SR2；
应当说明的是，步骤6.2和步骤6.4中所指的50％以上均不包括50％；50％以上的
Figure BDA00018670822700001013
中均存在的脑核团是指在集合
Figure BDA00018670822700001014
中超过一半的集合中均存在的脑核团；50％以上的
Figure BDA00018670822700001015
中均存在的脑核团是指在集合
Figure BDA00018670822700001016
中超过一半的集合中均存在的脑核团；50％以上的
Figure BDA00018670822700001017
中均存在的脑核团是指在集合
Figure BDA00018670822700001018
中超过一半的集合中均存在的脑核团；50％以上的
Figure BDA00018670822700001019
中均存在的脑核团是指在集合
Figure BDA00018670822700001020
中超过一半的集合中均存在的脑核团。
步骤6.5：对集合SS1和SR1取交集，交集中的元素被判定为动态可变性较高的脑核团；对集合SS2和SR2取交集，交集中的元素被判定为动态可变性较低的脑核团。
作为一种可实施的方式，本实施例中选取的被试对象为健康被试组，健康被试组的人数M为61，C为20，每个人的脑核团个数、脑区个数或节点个数N均为90；滑动时间窗的个数T为61，即时间节点T为61个，窗宽W为50，步长L为2；
通过本方法进行分析计算得到的动态可变性较高的脑核团度量结果如下，表1～表2分别为由步骤4和步骤5得到的动态可变性较高的脑核团；表3为由步骤6即连接强度分析法，得到的动态可变性较高的脑核团；
表1：由步骤4的相关分析法求得的动态可变性较高的脑核团
Figure BDA0001867082270000111
表2：由步骤5的斜率分析法求得的动态可变性较高的脑核团
Figure BDA0001867082270000112
表3：结合相关分析法和斜率法得到的动态可变性较高的脑核团
Figure BDA0001867082270000113
同理，通过本方法进行分析计算得到的动态可变性较低的脑核团度量结果如下，表4～表5分别为由步骤4和步骤5得到的动态可变性较低的脑核团；表6为由步骤6即连接强度分析法，得到的动态可变性较低的脑核团；
表4：由步骤4的相关分析法得到的动态可变性较低的脑核团
Figure BDA0001867082270000121
表5：由步骤5的斜率法得到的动态可变性较低的脑核团
Figure BDA0001867082270000122
表6：结合相关分析法和斜率法得到的动态可变性较低的脑核团
Figure BDA0001867082270000123
从表3中的结果可以看出，对健康被试人群，可变性较高的脑核团对应的节点，位于中央沟盖、嗅皮质、杏仁核、中央后回、颞横回、颞上回，反映了这些节点在人脑静息状态下信息表达变化较快、功能较多、较为复杂。
从表6中可以看出，健康被试组可变性较低的脑核团位于额中回、楔叶、枕中回、顶上回、顶下回角回、楔前叶、颞下回等处，反映了这些节点在人体静息状态下变化较慢，功能相对稳定，可能稳定于大脑的某一子系统。
实施例3：本实施例中选取的被试对象为IBS患者组，IBS患者组的人数M设为46；操作步骤同实施例2的步骤基本相同；
通过本方法进行分析计算得到的IBS患者组动态可变性较高的脑核团度量结果如下，表7～表8分别为由步骤4和步骤5得到的动态可变性较高的脑核团；表9为由步骤6即连接强度分析法，得到的动态可变性较高的脑核团；
表7：由步骤4的相关分析法得到的动态可变性较高的脑核团
Figure BDA0001867082270000131
表8：由步骤5的斜率法得到的动态可变性较高的脑核团
Figure BDA0001867082270000132
表9：结合相关分析法和斜率法得到的动态可变性较高的脑核团
Figure BDA0001867082270000133
同理，通过本方法进行分析计算得到的IBS患者组动态可变性较低的脑核团度量结果如下，表10～表11分别为由步骤4和步骤5得到的动态可变性较低的脑核团；表12为由步骤6得到的动态可变性较低的脑核团；
表10：由步骤4的相关分析法得到的动态可变性较低的脑核团
Figure BDA0001867082270000134
Figure BDA0001867082270000141
表11：由步骤5的斜率法得到的动态可变性较低的脑核团
Figure BDA0001867082270000142
表12：结合相关分析法和斜率法得到的动态可变性较低的脑核团
Figure BDA0001867082270000143
从表9中的结果可以看出，IBS患者组可变性较高的脑核团对应的脑区，位于中央前回、中央沟盖、脑岛、中央后回、颞横回、颞上回等区域，与实施例2中的表3结果不一致。
从表12中的结果可以看出，IBS患者组可变性较低的脑核团位于顶上回、楔前叶，与实施例2中的表6的结果也不一致。
综合表1～表6以及表7～表12的结果，可以发现IBS患者的脑核团动态可变性发生了改变，这种动态的神经机制的变化可能与IBS患者的临床症状有关联。
本发明通过相关分析法结合节点强度斜率分析法度量脑核团动态可变性，得到的结果表明通过本方法判断脑核团动态可变性的结果客观精准，说明本方法有效可行，对其进行的研究将对脑疾病相关的临床医学具有重要的指导意义。
以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于连接强度分析的脑核团动态可变性测量方法，其特征在于，包括以下步骤：
步骤1：采集M个人静息态下的fMRI数据；
步骤2：对每个采集到的fMRI数据进行预处理；
步骤3：借助滑动时间窗技术将每个人的fMRI数据，划分成T个时间段，每个时间段对应一个时间节点，即T个时间节点，并构建每个人每个时间节点的脑功能连接矩阵
Figure FDA0003472556980000011
其中，m表示第m个人，t表示第t个时间节点；
步骤4：针对每个人的所有时间节点下的脑功能连接矩阵
Figure FDA0003472556980000012
采用相关分析法求每个人的所有脑核团的动态可变性
Figure FDA0003472556980000013
其中，i表示第i个脑核团，即第i个节点；
步骤5：针对每个人的所有时间节点下的脑功能连接矩阵
Figure FDA0003472556980000014
采用节点强度斜率分析法求每个人的所有脑核团的动态可变性
Figure FDA0003472556980000015
具体包括以下步骤：
步骤5.1：对每个人的脑功能连接矩阵进行列平均，得到每个人每个脑核团的节点强度；
Figure FDA0003472556980000016
其中，
Figure FDA0003472556980000017
表示对第m个人第t个时间段的脑功能连接矩阵进行列平均得到的节点强度矩阵，
Figure FDA0003472556980000018
表示第m个人第t个时间段下第i个脑核团的节点强度，
Figure FDA0003472556980000019
是指第m个人第t个时间节点下节点i和节点j之间的功能连接强度，i＝1,2，…，N，j＝1,2，…，N；
步骤5.2：对每个人，作出每个节点强度的值随着时间窗变化的曲线
Figure FDA00034725569800000110
Figure FDA00034725569800000111
其中，
Figure FDA00034725569800000112
表示第m个人第i个脑核团的节点强度随时间窗的动态变化曲线向量；
步骤5.3：对每个人，基于每个节点强度的动态变化曲线，计算每个时间窗的斜率
Figure FDA00034725569800000113
Figure FDA00034725569800000114
其中，m表示第m个人，i表示第i个节点，t表示第t个时间窗，T表示共有T个时间窗；
步骤5.4：基于每个时间窗斜率
Figure FDA00034725569800000115
求每个人的节点强度斜率矩阵Km：
Figure FDA0003472556980000021
其中，
Figure FDA0003472556980000022
表示第m个人第i个脑核团的动态可变性；N表示共有N个脑区或节点；
步骤6：结合相关分析法和节点强度斜率分析法，测量脑核团动态可变性的高低。
2.根据权利要求1所述的基于连接强度分析的脑核团动态可变性测量方法，其特征在于，所述的对每个fMRI数据进行预处理，具体包括以下步骤：
对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点；
对去除时间点后的fMRI数据进行切片时间校正；
对切片时间校正后的fMRI数据进行头动对齐处理；
对头动对齐处理后的fMRI数据进行空间标准化；
对空间标准化后的fMRI数据进行去线性漂移；
对去线性漂移后的fMRI数据进行带通滤波。
3.根据权利要求2所述的基于连接强度分析的脑核团动态可变性测量方法，其特征在于，所述的对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点，包括：去除时间点的个数为10；
所述的对去线性漂移后的fMRI数据进行带通滤波，包括：带通滤波的频率区间为0.01～0.08Hz。
4.根据权利要求1所述的基于连接强度分析的脑核团动态可变性测量方法，其特征在于，所述的步骤3，具体包括以下步骤：
步骤3.1：采用滑动时间窗技术对每个人的fMRI数据进行动态时间段划分；
设定时间窗的个数为T，窗宽为W，步长为L；每个时间窗对应的时间节点为t，则将每个人经过预处理的数据分割为重叠的T个时间段，则每段的长度为W，相邻时间窗相差L；
步骤3.2：选定一个脑模板，将整个大脑划分成N个脑核团，每个脑核团对应一个节点，即N个节点；
步骤3.3：针对每个时间段，计算每个脑核团的时间序列；
Figure FDA0003472556980000023
其中，τi是指第i个脑核团的平均时间序列，Vq是指第i个节点中第q个体素的时间序列，ni是第i个节点包含的体素数目；i＝1,2，…，N；q＝1,2，…，ni；
步骤3.4：计算任意两个脑核团之间的皮尔森相关系数，得出每个时间段的两两节点之间的功能连接强度
Figure FDA0003472556980000031
Figure FDA0003472556980000032
其中，
Figure FDA0003472556980000033
是指第m个人第t个时间节点下节点i和节点j之间的功能连接强度；τi是指节点i的fMRI时间序列，i＝1,2，…，N；τj是指节点j的fMRI时间序列，j＝1,2，…，N；
步骤3.5：两两节点的功能连接强度构成脑功能连接矩阵；
Figure FDA0003472556980000034
其中，
Figure FDA0003472556980000035
表示第m个人第t个时间段的脑功能连接矩阵，
Figure FDA0003472556980000036
表示第m个人第t个时间段下第i个节点的功能连接强度构成的向量。
5.根据权利要求4所述的基于连接强度分析的脑核团动态可变性测量方法，其特征在于，所述的步骤3.2中，选定的脑模板为AAL模板。
6.根据权利要求4所述的基于连接强度分析的脑核团动态可变性测量方法，其特征在于，所述的步骤4中的脑核团的动态可变性
Figure FDA0003472556980000037
由下式得到：
Figure FDA0003472556980000038
其中，
Figure FDA0003472556980000039
表示第m个人第i个节点的从1到T两两时间段下连接强度向量之间的皮尔森相关系数之和，T表示总共有T个时间节点。
7.根据权利要求1所述的基于连接强度分析的脑核团动态可变性测量方法，其特征在于，所述的步骤6，具体包括以下步骤：
步骤6.1：对由相关分析法求得的每个人的所有脑核团的动态可变性
Figure FDA00034725569800000310
按升序排列，取位于前C位的脑核团组成集合
Figure FDA00034725569800000311
取位于后C位的脑核团组成集合
Figure FDA00034725569800000312
步骤6.2：50％以上的
Figure FDA00034725569800000313
中均存在的脑核团是相关分析法求得的动态可变性较高的脑核团，组成集合SS1；50％以上的
Figure FDA00034725569800000314
中均存在的脑核团是相关分析法求得的动态可变性较低的脑核团，组成集合SS2；
步骤6.3：由每个人节点强度斜率分析法得到的节点强度斜率矩阵Km，对其所有脑核团的动态可变性
Figure FDA0003472556980000041
按降序排列，取位于前C位的脑核团组成集合
Figure FDA0003472556980000042
取位于后C位的脑核团组成集合
Figure FDA0003472556980000043
步骤6.4：50％以上的
Figure FDA0003472556980000044
中均存在的脑核团判定为节点强度斜率分析法求得的动态可变性较高的脑核团，构成集合SR1；50％以上的
Figure FDA0003472556980000045
中均存在的脑核团判定为节点强度斜率分析法求得的动态可变性较低的脑核团，构成集合SR2；
步骤6.5：对集合SS1和SR1取交集，交集中的元素被判定为动态可变性较高的脑核团；对集合SS2和SR2取交集，交集中的元素被判定为动态可变性较低的脑核团。
CN201811359992.1A 2018-11-15 2018-11-15 基于连接强度分析的脑核团动态可变性测量方法 Active CN109330595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811359992.1A CN109330595B (zh) 2018-11-15 2018-11-15 基于连接强度分析的脑核团动态可变性测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811359992.1A CN109330595B (zh) 2018-11-15 2018-11-15 基于连接强度分析的脑核团动态可变性测量方法

Publications (2)

Publication Number Publication Date
CN109330595A CN109330595A (zh) 2019-02-15
CN109330595B true CN109330595B (zh) 2022-03-01

Family

ID=65315601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811359992.1A Active CN109330595B (zh) 2018-11-15 2018-11-15 基于连接强度分析的脑核团动态可变性测量方法

Country Status (1)

Country Link
CN (1) CN109330595B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110729046B (zh) * 2019-10-24 2023-08-25 深圳龙岗智能视听研究院 一种基于时间序列的功能磁共振影像特征提取方法
CN114334140B (zh) * 2022-03-08 2022-07-19 之江实验室 基于多关系功能连接矩阵的疾病预测系统及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005006774A (ja) * 2003-06-17 2005-01-13 National Institute Of Information & Communication Technology 脳機能測定装置及び脳機能測定プログラム
CN102360501A (zh) * 2011-07-19 2012-02-22 中国科学院自动化研究所 一种基于核磁共振成像的脑区有效连接度构建方法
CN102508184A (zh) * 2011-10-26 2012-06-20 中国科学院自动化研究所 一种基于移动平均时间序列模型的脑功能激活区检测方法
CN106204581A (zh) * 2016-07-08 2016-12-07 西安交通大学 基于pca与k均值聚类的动态脑功能连接模式分解方法
CN106798558A (zh) * 2017-02-19 2017-06-06 郑州轻工业学院 基于主成分分析的关键脑区的度量方法
KR101796055B1 (ko) * 2016-06-02 2017-11-10 고려대학교 산학협력단 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140343399A1 (en) * 2013-05-20 2014-11-20 Stefan Posse Seed-Based Connectivity Analysis in Functional MRI

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005006774A (ja) * 2003-06-17 2005-01-13 National Institute Of Information & Communication Technology 脳機能測定装置及び脳機能測定プログラム
CN102360501A (zh) * 2011-07-19 2012-02-22 中国科学院自动化研究所 一种基于核磁共振成像的脑区有效连接度构建方法
CN102508184A (zh) * 2011-10-26 2012-06-20 中国科学院自动化研究所 一种基于移动平均时间序列模型的脑功能激活区检测方法
KR101796055B1 (ko) * 2016-06-02 2017-11-10 고려대학교 산학협력단 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치
CN106204581A (zh) * 2016-07-08 2016-12-07 西安交通大学 基于pca与k均值聚类的动态脑功能连接模式分解方法
CN106798558A (zh) * 2017-02-19 2017-06-06 郑州轻工业学院 基于主成分分析的关键脑区的度量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Neural,electrophysiological and anatomica basis of brain-network variability and its characteristic changes in mental disorders;Jie Zhang et al;《BRAIN》;20161231;第2307-2321页 *
基于磁共振成像的大脑功能网络动态特性研究;张欣;《中国博士学位论文全文数据库 基础科学辑》;20170115;全文 *

Also Published As

Publication number Publication date
CN109330595A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
Harms et al. Extending the Human Connectome Project across ages: Imaging protocols for the Lifespan Development and Aging projects
Biondetti et al. Spatiotemporal changes in substantia nigra neuromelanin content in Parkinson’s disease
Sokunbi et al. Resting state fMRI entropy probes complexity of brain activity in adults with ADHD
Rosenbaum et al. Patterns of autobiographical memory loss in medial-temporal lobe amnesic patients
US6490472B1 (en) MRI system and method for producing an index indicative of alzheimer's disease
JP6812022B2 (ja) 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、および脳活動バイオマーカシステム
WO2020075737A1 (ja) 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、及び脳活動バイオマーカシステム
Wang et al. Where color rests: spontaneous brain activity of bilateral fusiform and lingual regions predicts object color knowledge performance
CN105163659A (zh) 脑活动分析装置、脑活动分析方法以及生物标记物装置
CN111867464B (zh) 脑活动训练装置、脑活动训练方法以及脑活动训练程序
CN110689536A (zh) 基于多模态磁共振影像的大脑灰质及白质追踪方法及装置
Kuceyeski et al. The generation and validation of white matter connectivity importance maps
Bangen et al. Compensatory brain activity during encoding among older adults with better recognition memory for face-name pairs: an integrative functional, structural, and perfusion imaging study
Lindow et al. Connectivity-based predictions of hand motor outcome for patients at the subacute stage after stroke
CN109330595B (zh) 基于连接强度分析的脑核团动态可变性测量方法
Moretti Electroencephalography-driven approach to prodromal Alzheimer’s disease diagnosis: from biomarker integration to network-level comprehension
Song et al. Anatomically accurate head models and their derivatives for dense array EEG source localization
Seok et al. Dimensional connectomics of anxious misery, a human connectome study related to human disease: Overview of protocol and data quality
Liao et al. Mapping tissue microstructure of brain white matter in vivo in health and disease using diffusion MRI
Kuperman et al. Neuroimaging in child and adolescent psychiatry
Filip et al. Utility of quantitative MRI metrics in brain ageing research
Elhussein et al. Norms for brain stem: a morphometric MRI based study
Ho et al. Complexity analysis of resting state fMRI signals in depressive patients
Demeter et al. The promise of precision functional mapping for neuroimaging in psychiatry
Begré et al. Relation of white matter anisotropy to visual memory in 17 healthy subjects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant