一种运用数字图谱研究大脑默认模式网络的方法技术

技术编号:21894462 阅读:28 留言:0更新日期:2019-08-17 15:31
本发明专利技术涉及计算机图像和信号处理技术领域,特别涉及一种运用数字图谱研究大脑默认模式网络的方法;在本发明专利技术中,对静息态功能磁共振图像进行预处理的同时,进行数字图谱的合成,再计算感兴趣区域的信号时间序列和区域之间的相关系数;以脑图谱的合成作为丰富感兴趣区域划分的手段,以计算机数字图谱的方式探索默认模式网络激活所涉及的脑区,提供一种流程化、步骤性明确的处理方式,其利用一种计算机化的方式来寻找默认模式网络脑区,通过全脑连接数据来探索默认模式网络。

A Method of Using Digital Atlas to Study the Default Mode Network of Brain

【技术实现步骤摘要】
一种运用数字图谱研究大脑默认模式网络的方法
本专利技术涉及计算机图像和信号处理
,特别涉及一种运用数字图谱研究大脑默认模式网络的方法。
技术介绍
大脑功能的“默认模式”的概念,开始于本世纪初,由Raichle等人在2001年提出。默认模式网络(DefaultModeNetwork),简称DMN,刻画了大脑静息状态的功能连接,在大脑关注于某些特定的新任务前,这个结构一直都会处于持续的激活状态;当有外界刺激,或者处于常规任务时,默认模式网络处于去激活状态(抑制状态);所以,在大脑离开目的性任务(Task)状态时,具有更高的代谢活性的区域,即为默认模式网络。目前对默认模式网络的研究主要是通过两种途径进行:1.功能磁共振图像,比较任务态和默认状态的BOLD(血氧合水平依赖)信号区域活跃的差异;2.静息态功能磁共振图像,分析静息状态下脑区的功能连接。目前,人们普遍认为,默认模式网络DMN主要包括:内侧前额叶皮质MPFC、楔前叶pC、压部后皮质Rsc、后扣带回PCC、顶下小叶IPL和海马HP这些区域。自从默认模式网络DMN在神经影像学的研究中获得极大的重视以后,越来越多的研究表明默认模式网络DMN与多种大脑异常导致的认知缺陷有关,例如可以通过静息态功能磁共振成像发现阿尔兹海默症患者的默认网络功能连接异常:默认网络后部功能连接降低和默认网络前部功能连接增强,轻度认知功能障碍(mildcognitiveimpairment)同样已被证实存在部分连接增强或下降的异常;因此,默认模式网络,正是一些脑认知和精神类疾病临床前早期诊断的生物标志;而现有的研究技术多是根据已有公认的结果来勾画感兴趣区,然后对大脑在静息态和任务态下进行功能连接和感兴趣区相关关系的计算,不同的研究人员对同一个被试的同一个脑区勾画出来的形状不一致,常出现感兴趣区的勾画不稳定。
技术实现思路
为了克服上述所述的不足,本专利技术的目的是提供一种运用数字图谱研究大脑默认模式网络的方法,以脑图谱的合成作为丰富感兴趣区域划分的手段,以计算机数字图谱的方式探索默认模式网络激活所涉及的脑区,提供一种流程化、步骤性明确的处理方式。本专利技术解决其技术问题的技术方案是:一种运用数字图谱研究大脑默认模式网络的方法,其中,包括如下步骤:步骤S1、对静息态功能磁共振图像进行预处理;步骤S2、进行数字图谱的合成;步骤S3、计算感兴趣区域的信号时间序列和区域之间的相关系数。作为本专利技术的一种改进,还包括步骤S4、利用时间序列和相关系数寻找其他脑区和默认模式网络之间隐含的联系。作为本专利技术的进一步改进,在步骤S1内,使用SPM对原始影像数据进行预处理。作为本专利技术的更进一步改进,在步骤S1内,包括如下步骤:步骤S101、去除采集到的静息态功能磁共振图像前十个时间点的数据;步骤S102、对采集到的静息态功能磁共振图像进行时间层矫正;步骤S103、利用算法补偿进行头动矫正;步骤S104、进行头动矫正的质量控制;步骤S105、计算空间标准化矩阵;步骤S106、对功能像应用空间标准化矩阵;步骤S107、对空间标准化后的图像重采样;步骤S108、对图像进行平滑处理。作为本专利技术的更进一步改进,在步骤S2内,包括如下步骤:步骤S201、将BSA图谱进行格式转化;步骤S202、将转化后的BSA图谱与AAL图谱合成;步骤S203、将合成的图谱进行重采样。作为本专利技术的更进一步改进,在步骤S3内,包括如下步骤:步骤S301、合成的图谱定义感兴趣区域;步骤S302、计算协变量的时间序列;步骤S303、对步骤S301和步骤S302的所有时间序列进行滤波;步骤S304、利用回归消除协变量的影响;步骤S305、计算感兴趣区域时间序列之间的相关系数。作为本专利技术的更进一步改进,在步骤S4内,包括如下步骤:步骤S401、选择所有ROI的时间序列的平均作为参照,比对特定ROI时间序列和参照序列的激活强度差异;步骤S402、由相关系数发现ROI之间的同步激活关系。作为本专利技术的更进一步改进,在步骤S102内,设置SliceNumber向量,用以区分逐层扫描和隔层扫描等层间扫描顺序,参考层选择时间的中点对应的层。作为本专利技术的更进一步改进,在步骤S104内,利用上一步得到的平移参数和旋转参数,对于每一个时间点,应用scrubbing方法识别和排除表现出过度头部运动的图像。作为本专利技术的更进一步改进,在步骤S201内,将BSA图谱以结构概率图的形式转化成单灰度值表示单结构的图谱形式在本专利技术中,对静息态功能磁共振图像进行预处理的同时,进行数字图谱的合成,再计算感兴趣区域的信号时间序列和区域之间的相关系数;以脑图谱的合成作为丰富感兴趣区域划分的手段,以计算机数字图谱的方式探索默认模式网络激活所涉及的脑区,提供一种流程化、步骤性明确的处理方式,其利用一种计算机化的方式来寻找默认模式网络脑区,通过全脑连接数据来探索默认模式网络。附图说明为了易于说明,本专利技术由下述的较佳实施例及附图作以详细描述。图1为本专利技术的步骤流程框图;图2为本专利技术的步骤S1内的内部步骤流程框图;图3为本专利技术的步骤S2内的内部步骤流程框图;图4为本专利技术的步骤S3内的内部步骤流程框图;图5为本专利技术的步骤S4内的内部步骤流程框图;图6为本专利技术的一个实施例的总流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。需要说明的是,在不冲突的情况下,本专利技术中的实施例及实施例中的特征可以相互组合。大脑图谱(atlas)通常是一种规范统一的模版,常常用于大脑结构解剖定位的参照,大脑形状和方向的归一化的参照(用于统一到标准的空间,如MNI空间)和大脑区域划分的参照,由于后两种情况通常都是使用计算机手段实现的,所以定义的形式是能够为计算机所识别的数字图谱;利用数字脑图谱处理脑功能区的划分,方法稳定、规律可循,正在受到越来越广泛的应用。目前,AAL图谱(AutomatedAnatomicalLabeling)正是一种在脑神经连接领域被广泛使用的区域划分的图谱,通过使用图谱,计算机可以将大脑划分成相应的功能区域,通过选择一个或多个划分好的功能区域作为感兴趣区域(ROI),提供了一种ROI选择的可重现方法,增加了ROI分析相互之间的可参照性;同时,通过图谱的合成,将不同的图谱结合起来,选择AAL图谱的大脑皮层部分,选择BSA图谱的皮层下部结构部分和小脑部分,增加了感兴趣区域选择的灵活性,同时又不破坏其可参照性。数字图谱BSA,全称为BrainvisaSulciatlas,利用概率图(ProbabilityMaps)的方式定义了一个基于皮层折叠(corticalfolds)的图谱。对于一个特定的脑区label,使用一个MNIvolume来描述,volume中的每一个体素的灰度值表示概率,表示空间中的这个点属于这个label的概率。BSA图谱的维度为91x109x91x145,最后一个数145表示定义的label的数目。由于BSA没有定义小脑区域,所以相对而言BSA较AAL在皮层上区域的划分较精细些。SPM全称为StatisticalParametricMappin本文档来自技高网
...

【技术保护点】
1.一种运用数字图谱研究大脑默认模式网络的方法,其特征在于,包括如下步骤:步骤S1、对静息态功能磁共振图像进行预处理;步骤S2、进行数字图谱的合成;步骤S3、计算感兴趣区域的信号时间序列和区域之间的相关系数。

【技术特征摘要】
1.一种运用数字图谱研究大脑默认模式网络的方法,其特征在于,包括如下步骤:步骤S1、对静息态功能磁共振图像进行预处理;步骤S2、进行数字图谱的合成;步骤S3、计算感兴趣区域的信号时间序列和区域之间的相关系数。2.根据权利要求1所述的一种运用数字图谱研究大脑默认模式网络的方法,其特征在于,还包括步骤S4、利用时间序列和相关系数寻找其他脑区和默认模式网络之间隐含的联系。3.根据权利要求2所述的一种运用数字图谱研究大脑默认模式网络的方法,其特征在于,在步骤S1内,使用SPM对原始影像数据进行预处理。4.根据权利要求3所述的一种运用数字图谱研究大脑默认模式网络的方法,其特征在于,在步骤S1内,包括如下步骤:步骤S101、去除采集到的静息态功能磁共振图像前十个时间点的数据;步骤S102、对采集到的静息态功能磁共振图像进行时间层矫正;步骤S103、利用算法补偿进行头动矫正;步骤S104、进行头动矫正的质量控制;步骤S105、计算空间标准化矩阵;步骤S106、对功能像应用空间标准化矩阵;步骤S107、对空间标准化后的图像重采样;步骤S108、对图像进行平滑处理。5.根据权利要求4所述的一种运用数字图谱研究大脑默认模式网络的方法,其特征在于,在步骤S2内,包括如下步骤:步骤S201、将BSA图谱进行格式转化;步骤S202、将转化后的BSA图谱与AAL图谱合成;步骤S203、将合成的图谱进行重...

【专利技术属性】
技术研发人员:李兆祺周家秀张慧玲张海山魏彦杰冯圣中
申请(专利权)人:深圳先进技术研究院
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1