基于静息态功能磁共振的大脑功能区对侧定位方法技术

本发明专利技术属医学图像处理及应用领域，涉及对大脑辅助运动区进行功能定位的技术，尤其涉及一种利用静息态功能磁共振成像技术自动定位辅助运动区的方法。本发明专利技术利用静息态功能磁共振成像技术自动定位辅助运动区，采用机器学习算法实现辅助运动区的高精度定位，并且在多个数据上进行算法有效性和可靠性验证，充分考虑脑瘤患者的临床状态，只需要被定位人员的最低参与度，既可用于健康人和脑肿瘤患者的脑辅助运动功能区定位，本方法能克服基于任务范式的磁共振定位技术对脑功能区往往只能有限激活，尤其是脑瘤患者的任务执行度普遍较差时无法很好满足临床需要的缺点。

【技术实现步骤摘要】
基于静息态功能磁共振的大脑功能区对侧定位方法
本专利技术属医学图像处理及应用领域，涉及对大脑功能区进行定位的方法，具体涉及一种利用静息态功能磁共振成像技术从健康半脑(健侧)到受损半脑(患侧)的自动定位方法。尤其涉及一种基于静息态功能磁共振的大脑功能区对侧定位方法。本方法能克服基于任务范式的磁共振定位技术对脑功能区往往只能有限激活，尤其是脑瘤患者的任务执行度普遍较差时无法很好满足临床需要的缺点。
技术介绍
据报道，脑胶质瘤是最常见的中枢神经系统肿瘤。统计显示，在我国，脑胶质瘤年发病率为3-6人/10万人，年死亡人数达3万人。目前，临床干预措施中，颅内手术治疗是最直接、有效的脑胶质瘤的治疗手段。临床实践显示，对于脑语言、运动功能区附近发生的肿瘤，其手术切除很有可能造成患者的语言、运动功能受损，甚至出现失语、偏瘫等严重影响术后生活质量的情况。近年来，通过引入术中直接电刺激、神经导航系统等先进技术手段，手术的成功率明显提高，但是，由于大脑的结构与功能复杂，个体差异明显，加之肿瘤生长引起的形变以及脑功能代偿等现象，造成准确定位肿瘤附近的语言、运动功能区显得十分困难，严重制约了手术在肿瘤切除与功能保护之间的最优化选择。脑功能区定位在脑胶质瘤等常见的中枢神经肿瘤的手术治疗中起到非常关键的作用。如果颅内手术造成语言和运动等脑功能严重受损，很可能导致失语或者偏瘫，将严影响患者的术后生活质量。由于大脑功能十分复杂，语言、运动、情感、记忆、感知觉等不同功能，功能迥异，在大脑中可能有着完全不同的组织形式，给脑功能定位造成了困难。对于脑肿瘤患者，肿瘤生长导致大脑结构发生形变，甚至功能区重组等，给术前脑功能准确定位带来诸多挑战，严重制约了颅内手术在切除率和致残率方面的进一步提高。关于功能区定位，目前主要采用术前任务态功能磁共振实验(functionalmagneticresonanceimaging,fMRI)，通过手指敲动或者图片命名等简单任务范式来激活脑的运动、语言相关脑区，完成功能区的个体化确认，然后在神经导航系统中对功能区进行映射，从而在手术空间中为医生标识出功能区的大致空间位置。在手术过程中，通过术中唤醒与直接电刺激结合的方法对肿瘤附近的功能区进行更加详细的标注，从而在切除肿瘤时尽可能减少对功能区的损伤。临床经验表明，在fMRI定位的功能区1-2cm的范围之外进行手术可以很好的保护功能区；当距离小于1.5cm时，需要采用术中直接电刺激在fMRI功能定位的基础上，以更高的精度确认功能区的实际位置。但是，实践显示，单一任务范式对于脑功能区的激活是有限的；以运动区为例，辅助运动区很难用手指有节奏敲动的任务进行激活，甚至有的患者已经处于运动功能或者认知功能严重受损的状态，根本无法配合任务范式，因此，基于任务态的脑功能区定位受到任务对功能区激活不完整以及任务执行度等问题的限制，尚不能完全满足临床需要。为了克服现有技术存在的上述困难，本申请的专利技术人拟提供一种“基于静息态的大脑功能区对侧定位方法”：本方法针对脑肿瘤病人患侧大脑常见的结构变形、功能重组等特点，从受肿瘤影响较小的健侧出发，提出适用于全脑多种脑功能区的基于静息态脑功能连接模式的对侧定位方法。
技术实现思路
本专利技术的目的是为克服现有技术中的缺陷，提供一种基于静息态功能磁共振数据的脑功能区对侧定位方法，本方法能实现主要脑功能区的精确定位，适用于健康人和脑肿瘤等脑疾病患者的脑功能定位。本专利技术的静息态fMRI技术相对于任务态fMRI技术而言，不仅不受单一任务范式的限制，可以比较完整地观察到语言、运动等脑功能网络的活动情况，而且可以应用于认知功能受损任务配合度低的患者。本专利技术的基于静息态的脑功能区定位技术，具有很好的应用前景。为了实现上述的目的，本专利技术的基于静息态磁共振的脑区功能对侧定位方法采用如下技术方案：利用全脑的静息态功能连接对脑区进行功能子区的划分，之后针对每个功能子区，训练支持向量机(SVM,supportvectormachine)分类器，通过对每个功能子区建立其特异性对侧半脑静息态功能连接，并在健康人大数据上训练分类器，最终实现对每个功能子区的定位。具体的，本专利技术通过下述方法和步骤：1.采用静息态功能磁共振技术获取脑功能区胶质瘤患者5分钟的静息态功能影像及高精度的结构影像，采取多项标准化的预处理：扫描层时间校正，头动校正，映射到标准化空间，去趋势项，带通滤波以及Scrubbing；之后对预处理完的脑部数据按照蒙特利尔神经科学研究中心提出的AAL(automatedanatomicallabelling)模板，对大脑初步划分为45个脑区(左右对称各45个)；2.利用全脑体素水平的静息态功能连接对每个脑区进行功能子区的划分，在全脑功能区划分得到218个功能子区(如图1所示)；本专利技术的实施例中，对每一个脑区，计算这一脑区所有体素的静息态信号，之后分别计算其与全脑剩余88个脑区平均信号的相关系数，在得到相关系数矩阵之后，选取合适的λopt对矩阵进行0-1化：之后利用LM算法(一个基于局部性质的最小化网络链接算法)进行分类，从而得到每个脑区的子区域划分；这里，本专利技术选取的λopt是通过50次的分组交叉检验得到的，具体的，本专利技术通过计算标准化互信息到的使得NMI(X，Y)最大的λ，得到最为稳定的分区结果，使得每一个子区域内的体素有着基本一致的静息态功能链接特征(如图2所示)；3.针对每个功能子区，训练支持向量机(SVM,supportvectormachine)分类器；本专利技术的实施例中，对于每一个大脑子区域，关注于这一区域及其周围6mm范围内的所有体素，训练的分类器的输出将目标功能区内部的体素标记为1，而将目标功能区周边的体素标记为0，然后，该分类器的输入特征是对侧半脑的静息态脑功能连接模式，具体定义如下：判断某个体素是否属于指定功能区，需要计算该体素的特异性对侧半脑静息态功能连接，这些特异性的功能连接，是通过对比给定功能区内外体素到对侧半脑所有体素的静息态脑功能连接给出的(如图3所示)：本专利技术中分别计算功能区内、外两组体素的平均信号，同时向对侧半脑计算功能连接强度，进行组间比较t-检验，经多重比对校正后，识别出具有显著组间差异的脑区cluster，找到这些功能区内外具有显著差异的对侧脑功能连接作为分类器的输入特征；因此，通过对每个功能子区建立其特异性对侧半脑静息态功能连接，并在健康人大数据上训练分类器，最终实现对每个功能子区的定位；4.将AAL模板的各个功能子区定位结果合并，得到对45个脑区的功能定位图谱。更具体的，本专利技术的基于静息态功能磁共振的大脑功能区对侧定位方法，其包括步骤：1)通过健康人的大数据样本，利用静息态数据，建立全脑218子区图谱；2)通过健康人的大数据样本，对于218子区图谱中每一个子区，分别训练SVM分类器；3)将获取的脑功能区胶质瘤患者的静息态功能影像及高精度的结构影像，进行预处理，包括：扫描层时间校正，头动校正，映射到标准化空间，去趋势项，带通滤波以及Scrubbing；在配准的同时，通过肿瘤MASK去除其对于标准化的影响，将未受到肿瘤影像的健康侧大脑映射到标准空间；4)对于患侧目标区域的每一个体素，分别计算其与对侧多个特征区域信号的相关系数，以此本文档来自技高网...

【技术保护点】
1.基于静息态功能磁共振的大脑功能区对侧定位方法，其特征在于，其包括步骤：1)通过健康人的大数据样本，利用静息态数据，建立全脑218子区图谱；2)通过健康人的大数据样本，对于218子区图谱中每一个子区，分别训练SVM分类器；3)将获取的脑功能区胶质瘤患者的静息态功能影像及高精度的结构影像，进行预处理，包括：扫描层时间校正，头动校正，映射到标准化空间，去趋势项，带通滤波以及Scrubbing；在配准的同时，通过肿瘤MASK去除其对于标准化的影响，将未受到肿瘤影像的健康侧大脑映射到标准空间；4)对于患侧目标区域的每一个体素，分别计算其与对侧多个特征区域信号的相关系数，以此作为支持向量机(SVM)分类器的输入，输出则为目标区域的每一个体素是否属于这个大脑子区；5)最后，将所有定位的结果拼合，映射回个体空间形成对整个患侧大脑功能区的定位结果。

【技术特征摘要】
1.基于静息态功能磁共振的大脑功能区对侧定位方法，其特征在于，其包括步骤：1)通过健康人的大数据样本，利用静息态数据，建立全脑218子区图谱；2)通过健康人的大数据样本，对于218子区图谱中每一个子区，分别训练SVM分类器；3)将获取的脑功能区胶质瘤患者的静息态功能影像及高精度的结构影像，进行预处理，包括：扫描层时间校正，头动校正，映射到标准化空间，去趋势项，带通滤波以及Scrubbing；在配准的同时，通过肿瘤MASK去除其对于标准化的影响，将未受到肿瘤影像的健康侧大脑映射到标准空间；4)对于患侧目标区域的每一个体素，分别计算其与对侧多个特征区域信号的相关系数，以此作为支持向量机(SVM)分类器的输入，输出则为目标区域的每一个体素是否属于这个大脑子区；5)最后，将所有定位的结果拼合，映射回个体空间形成对整个患侧大脑功能区的定位结果。2.按权利要求1所述的基于静息态功能磁共振的大脑功能区对侧定位方法，其特征在于，所述的步骤1)中，同时计算功能区中的体素与全脑其余88个脑区的功能连接，得到连接矩阵M，在计算其相似矩阵N后，对其进行二值化并进行分类，通过最大化互信息得到一个稳定的分区结果。3.按权利要求2所述的基于静息态功能磁共振的大脑功能区对侧定位方法，其特征在于，其中，对相似矩阵N二值化时，采用50次的分组交叉检验，通过计算标准化互信息得到使得NMI(X，Y)最大的λ，以此对相似矩阵N进行二值化：4.按权利要求1所述的基于静息态功能磁共振的大脑功能区对侧定位方法，其特征在于，所述步骤1)中，得到全脑218子区图谱。5.按权利要求1所述的基于...

【专利技术属性】
技术研发人员：冯建峰，吴劲松，罗强，朱凤平，哈元恺，庄东晓，章捷，龚方源，毛颖，阮洪涛，
申请(专利权)人：复旦大学，复旦大学附属华山医院，
类型：发明
国别省市：上海,31