CN1626031A - 一种基于图论的脑区间功能连接的检测方法 - Google Patents

Abstract

本发明涉及磁共振成像技术领域，一种基于图形理论的脑区间功能连接的检测方法。在图形理论的框架下，通过对人脑脑区之间的关系进行数学建模，来检测脑区间的功能连接强度，进而评价某一脑区在其所属的功能网络中所起的作用。本发明的技术方案是首先让受试者躺在磁共振设备中，完成某一预先设计的实验任务，同时对其脑部进行磁共振扫描，得到功能磁共振信号。然后借助于计算机设备，对得到的信号进行分析，定量的描绘出人脑脑区的功能连接状况。本发明可以用于临床医学中脑疾病的诊断，病人用药前后脑区连接差异的评估，脑区功能网络的研究，对脑区发育变化的认识以及对人脑工作机理的理解等。

Description

一种基于图论的脑区间功能连接的检测方法

技术领域

本发明涉及磁共振成像技术领域，特别是一种基于图形理论的脑区之间功能连接的检测方法。

背景技术

功能磁共振成像(functional Magnetic Resonance Imaging，fMRI)，由于其具有较高的时间和空间分辨率，成为近十年来脑研究领域中发展最为迅速的一种非损伤性的活体脑功能检测技术。传统的fMRI研究是在给定一种认知任务下，检测与此任务密切相关的脑区神经元的活动情况(即激活区检测)，但是我们很难通过激活区检测的方法来探求人脑各个脑区之间是如何相互作用的。而人脑哪怕是完成最简单的一项任务，都需要多个脑区之间的协调作用，因此，脑区之间连接的研究不论是对于临床医学还是对于认知科学都具有及其重要的意义，现在它已经成为fMRI领域最为热点的研究之一。然而，由于人脑的复杂性以及方法学上的限制，目前关于脑区间连接的检测方法是非常有限的，已有的方法通常是集中在成对区域之间(即：一对一，1-1)功能连接强度的研究上[1，2]，很少会考虑到多个脑区之间(如多对一，n-1)的联合相互作用，而多个脑区通过协调作用来完成某一任务更接近于大脑的工作机理。一般来说，在正常人群与脑疾病患者，脑疾病患者用药前后，人脑的不同发育阶段以及不同的脑活动状态下，脑区之间的相互联合作用都是有可能变化的。

参考文献：

1.Lahaye PJ，Poline JB，Flandin G，Dodel S，Gamero L(2003)：Functionalconnectivity：studying nonlinear，delayed interactions between BOLDsignals.NeuroImage 20：962-974

2.Homae F，Yahata N，Sakai KL(2003)：Selective enhancement of functionalconnectivity in the left prefrontal cortex during sentence processing.NeuroImage 20：578-586.

发明内容

本发明的目的是提出一种新的基于图形理论的脑区间功能连接检测方法。

首先利用磁共振仪器得到功能磁共振信号，然后对其进行数学建模，并在计算机设备上实现，进而检测脑区之间的功能连接状况。本发明可以用于临床医学中脑疾病的诊断，病人用药前后脑区连接差异的评估，脑区功能网络的研究，对脑区发育变化的认识以及对脑工作机理的理解，属于神经信息学领域。

该方法在图形理论的模型下充分考虑了多个脑区的协调作用，打破了传统的功能连接研究中仅分析成对区域之间连接强度的限制，更符合大脑的工作原理和生理学的解释，该方法为脑区的功能连接研究提供了新的思路。

本发明的技术要点可以分成四部分：受试者磁共振扫描、感兴趣区的确定和提取、功能连接强度的计算以及统计检验。该方法的流程图如图1所示。

1.受试者的磁共振扫描(S1)

首先，受试者按规定被安置在磁共振仪器上，来完成某一预先设计的实验任务，同时对其进行磁共振扫描，得到磁共振信号。然后借助于计算机设备和数学工具，对磁共振信号进行分析。

2.感兴趣区的确定和提取(S2)

(1)感兴趣区的确定

在功能磁共振成像的研究中，感兴趣区一般指的是我们所感兴趣的即将要研究的脑区。通常，感兴趣区可以被选为大脑皮层区域，皮层下的区域或者是与大脑某一功能有关的一些脑区。

(2)感兴趣区的提取

感兴趣区的提取可以采用下面两种方法：一是基于图像分割的方法。确定感兴趣区之后，可以根据该感兴趣区的先验信息，利用成熟的分割算法，对其进行提取。二是基于试验(即激活区检测)的方法。根据某一任务下脑区的激活情况，选取某一个激活点周围的一团象素作为感兴趣区。

3.功能连接的检测(S3)

在图形理论的模型下，我们将脑区看作是网络中的节点，节点之间的线段看作是连接。这样，不同的脑区可以看作是形成一个功能网络，我们定义两个节点之间的连接强度η_ij：

${\mathrm{\η}}_{\mathrm{ij}}=e^{-\mathrm{\ξ}{d}_{\mathrm{ij}}}----\left(1\right)$

其中，ξ是一个正的常数，它衡量了两个节点的连接强度随着其距离的增大而减小的程度，d_ij是两个节点之间的距离，它可以用如下的公式计算

                d_ij＝(1-c_ij)/(1+c_ij)                   (2)

其中，c_ij是两个节点时间序列的相关系数。最后，我们定义在这个连接网络中，每一个节点总的连接强度Γ_i：

${\mathrm{\Γ}}_i={\mathrm{\Σ}}_{j=1}^n{\mathrm{\η}}_{\mathrm{ij}}----\left(3\right)$

Γ_i衡量了每个节点从所属的网络中接受到的信息含量，或者说衡量了某一个脑区和其他脑区功能连接的状况，具有较大Γ_i值的脑区说明该脑区和其他脑区具有较强的功能连接强度，反之亦然。

根据上面的公式，我们可以计算出每个脑区的Γ值。这样，在某一脑活动状态下(如运动)，通过对某个脑区连接强度Γ的检测，我们能够评价出该脑区在功能网络中的重要程度。

4.统计检验(S4)

对于两组(不同的脑活动状态下或者不同人群)的Γ_i比较，可以采用统计假设检验(如t检验)。

附图说明

图1是本发明的基于图论的脑区间功能连接的流程图。

图2是正常人组的激活图。

图3是在休息(A)和运动(B)状态下，不同脑区的功能连接强度Γ的差异(C)。

图1中，本发明的流程图主要分为四个步骤：受试者的磁共振扫描(S1)、感兴趣区的确定与提取(S2)、功能连接强度建模与计算(S3)、对功能连接强度的统计检验(S4)。

图2中，在运动任务下，正常人组的激活图(P＜0.01，象素数目n＞20)。该图中伪彩色所代表的区域为从事运动任务的脑区。这些脑区有双侧运动前区，双侧初级运动区，双侧顶叶，双侧丘脑，双侧小脑半球等等。名称如表1所示。R代表脑的右侧，L代表脑的左侧。

图3中，在休息(A)和运动(B)状态下，不同脑区的功能连接强度Γ值以及两种状态下Γ的差异(C)。标记的脑区(如^*，^**，^***)为两种状态下功能连接强度具有差异的脑区。其中，与休息状态相比，在运动状态下，左侧初级运动区(P＝0.002，BA 4)，左侧运动前区(P＝0.005，BA 4)，左侧顶叶(P＝0.02，BA 7)的连接强度具有明显的增大或增大的趋势，而左侧小脑半球上部(P＝0.001)，左侧齿状核(P＝0.06)，左侧基底节(P＝0.02)的连接强度具有明显的减小或表现出减小的趋势。^*P＜0.05；^**P＜0.01；^***P＜0.001(配对t检验)

表1在该运动任务下激活的脑区，有双侧运动前区，双侧初级运动区，双侧顶叶，双侧丘脑，双侧小脑半球等等。

表1

                           布洛德曼      激活象素峰值的坐

脑区              半球                                              峰值(t)

                            分区     x        y          z

梭状回            左        18       -10      -64        -12        22.290

小脑半球上部      右                 16       -58        -15        21.244

初级运动区        左        4        -43      -25        50         20.888

丘脑              左                 -10      -19        11         20.465

顶叶              左        7        -22      -58        53         17.627

梭状回            右        18       1        -70        -12        16.522

辅助运动区        左        6        -1       -1         53         15.328

运动前区          右        6        28       -7         50         12.203

运动前区          左        6        -49      1          35         11.479

小脑半球上部      左                 -25      -55        -15        8.761

顶叶              右        7        16       -61        56         8.726

齿状核            右                 19       -55        -30        8.713

运动前区          右        6        52       1          23         8.683

小脑半球前下      左                 -22      -46        -39        8.079

小脑半球前下      右                 16       -46        -39        7.707

中央前回          右        3        37       -31        50         7.668

运动前区          左        4        -22      -10        53         7.664

基底节            右                 22       -1         11         7.400

基底节            左                 -25      -13        8          7.331

小脑半球后下      左                 -13      -70        -39        7.215

丘脑              右                 7        -19        11         6.654

齿状核            左                 -28      -55        -33        6.484

小脑半球后下      右                 19       -70        -48        5.680

楔叶              右        19       25       -70        29         5.140

本发明与以往的功能连接方法相比，所具有的优点：

(1)该方法从考虑多个脑区的协调作用的角度来研究脑区的功能连接，属于多对一(即：n-1)的连接，这拓宽了传统意义上基于成对区域之间(即：1-1)的连接，更符合大脑的工作原理。

(2)将多个脑区的协调作用纳入图形理论的框架中，使得脑区的连接强度有了理论支撑，并且能够从生理上得到更好的解释。

(3)该方法在临床医学中和认知科学中都有较大的应用前景。如正常人群与病人某一脑区连接的差异的研究，病人用药前后脑区连接差异的评估，脑区功能网络的研究以及发育过程中脑区连接的变化等。

实施例：下面仅以人脑在休息状态与运动状态下脑区连接的差异为例说明我们发明的使用方法。人脑在不同的活动状态下(如休息和运动)，某些脑区之间的协调作用具有明显的不同，如在休息状态下，某一些脑区之间存在较为紧密的连接，共同处理休息时大脑的活动，而在运动状态下，另一些脑区之间存在较为密切的连接，共同来完成运动功能。脑区之间连接的调节对于大脑在不同的活动状态下完成不同的功能具有重要的意义。

1.确定感兴趣区

我们采用了一个经典的fMRI试验设计—组块设计(Block design)的手指运动试验任务来确定感兴趣区。该试验任务下脑区的激活情况如图2所示，所确定的与人脑运动有关的脑区如表1所示。这些激活脑区被进一步用来确定感兴趣区。

2.功能连接强度的计算

利用公式(3)，分别计算出在休息与运动状态下，不同脑区的总功能连接强度Γ，所得到结果如图3(A)(B)所示。

3.统计检验

对两种脑活动状态下Γ的差异进行t检验，结果如图3(C)所示。其中，与休息状态相比，在运动状态下，左侧初级运动区(P＝0.002，BA 4)，左侧运动前区(P＝0.005，BA 4)，左侧顶叶(P＝0.02，BA 7)的连接强度具有明显的增大或增大的趋势，而左侧小脑半球上部(P＝0.001)，左侧齿状核(P＝0.06)，左侧基底节(P＝0.02)的连接强度具有明显的减小或表现出减小的趋势。这种现象是由于在不同的脑活动状态下，这些脑区执行着不同的功能，并且与其他脑区的功能连接发生了变化所引起。

Claims (6)

1、一种基于图形理论的脑区间功能连接的检测方法，其特征在于，首先让受试者在磁共振设备中完成实验任务，然后利用计算机设备选取感兴趣脑区，最后在图论的模型下计算脑区的功能连接强度。

2、根据权利要求1所述的基于图形理论的脑区间功能连接的检测方法，用于检测不同脑活动状态下脑区间功能连接的差异，正常人群与病人脑区连接的差异，病人手术前后脑区连接差异的评估，以及不同发育阶段脑区连接变化的方法。

3、一种基于图形理论的脑区间功能连接的检测方法，包括四步骤：受试者磁共振扫描、感兴趣区的确定和提取、功能连接强度的计算以及统计检验。

4、根据权利要求3的基于图形理论的脑区间功能连接的检测方法，其具体步骤如下：

步骤S1，受试者的磁共振扫描，受试者按规定被安置在磁共振仪器上，进行磁共振扫描，得到磁共振信号；

步骤S2，感兴趣区的确定和提取；

感兴趣区的确定

感兴趣区一般指的是我们所感兴趣的区域，

感兴趣区的提取

感兴趣区的提取可以采用下面两种方法：一是基于图像分割的方法；二是基于试验的方法；选取某一个激活点周围的一团象素作为感兴趣区；

步骤S3，功能连接的检测；

在图形理论的模型下，将感兴趣的区域看作是网络中的节点，节点之间的线段看作是连接，这样，不同的区域可以看作是形成一个功能网络。

步骤S4，统计检验，对于两组不同的活动状态下或者不同人群的Γ_i比较，采用统计假设检验。

5、根据权利要求3或4的基于图形理论的脑区间功能连接的检测方法，其特征在于，感兴趣区可以被选为大脑皮层区域，皮层下的区域或者是与大脑某一功能有关的一些脑区。

6、根据权利要求4的基于图形理论的脑区间功能连接的检测方法，其特征在于，感兴趣的区域看作是网络中的节点，节点之间的线段看作是连接，这样，不同的区域可以看作是形成一个功能网络，定义两个节点之间的连接强度η_ij：

${\mathrm{\η}}_{\mathrm{ij}}=e^{{-\mathrm{\ξd}}_{\mathrm{ij}}}----\left(1\right)$

其中，ξ是一个正的常数，它衡量了两个节点的连接强度随着其距离的增大而减小的程度，d_ij是两个节点之间的距离，它可以用如下的公式计算

                     d_ij＝(1-c_ij)/(1+c_ij)    (2)

其中，c_ij是两个节点时间序列的相关系数。最后，我们定义在这个连接网络中，每一个节点总的连接强度Γ_i：

${\mathrm{\Γ}}_i={\mathrm{\Σ}}_{j=1}^n{\mathrm{\η}}_{\mathrm{ij}}----\left(3\right)$

Γ_i衡量了每个节点从所属的网络中接受到的信息含量，或者说衡量了某一个脑区和其他脑区功能连接的状况，具有较大Γ_i值的脑区说明该脑区和其他脑区具有较强的功能连接强度，反之亦然。

Images