一种基于静息态功能磁共振的术前脑功能网络定位方法技术

本发明专利技术公开一种基于静息态功能磁共振的术前脑功能网络定位方法。该方法是首先根据病灶所在脑区位置使用任务态功能磁共振构建解剖模板，然后进行静息态功能磁共振扫描；通过独立成分分析方法对静息态功能磁共振数据分解，提取大脑功能网络；采用模板匹配方法对大脑功能网络进行相似度匹配，找出最相似与次相似大脑功能网络，分析处理得到最佳大脑功能网络，用于术前功能定位。该方法克服了传统术前定位种子点难以确定，独立成分分析模型阶数难以确定，成分识别主观度大且易错的三大经典难题，使术前定位客观准确，自动简便。

【技术实现步骤摘要】
一种基于静息态功能磁共振的术前脑功能网络定位方法
本专利技术涉及医学图像处理辅助技术，是一种基于静息态脑功能成像的独立成分分析结果的功能网络自动化筛选方法，用于神经外科术前定位的脑功能网络自动识别。
技术介绍
颅内肿瘤包括原发性脑瘤和转移瘤，约占全身肿瘤的5％，占儿童肿瘤的70％。由于其膨胀的浸润性生长，在颅内占据一定空间时，不论其性质是良性还是恶性，都势必使颅内压升高，压迫脑组织，导致中枢神经损害，危及患者生命。颅内肿瘤的首要治疗方法是脑外科手术，原则是最大限度的保留神经功能的情况下做到肿瘤尽可能的全切除。目前，脑瘤手术已由单纯的利用解剖信息向结合功能定位信息转化，后遗症发生率显著降低。由此可见，准确、可靠的功能区定位极为重要，是“事先预知、术中把握”的有效保证。术前利用任务态功能磁共振进行特定脑功能区定位，在美国已获得FDA批准并常规用于临床辅助评估。基于脑功能影像特别是功能磁共振(functionalmagneticresonanceimaging,fMRI)的术前定位研究已经成为需手术的脑肿瘤病人的重要的术前评估手段，可基于定出的功能区保护患者重要的功能，并辅助肿瘤最大化切除。传统fMRI术前定位依赖患者执行特定任务，而大部分患者无法很好执行任务或者不愿配合。这将导致激活结果不准确，给基于任务态fMRI的术前定位的可靠性带来了问题。利用静息态fMRI(resting-statefMRI,rs-fMRI)进行功能连接分析从而找出重要的功能网络，可以在患者不用执行任务的前提下进行功能定位，简单易行，容易在各大医院推广使用，被认为是任务fMRI定位的有效补充。目前，国际上主要的术前定位手段还是任务态fMRI，采用静息态fMRI进行术前定位的研究非常初步，到目前为止仅仅有6篇。而且绝大多数都是种子点功能连接计算方法得到的术前功能定位结果。Liuetal.,(2009)利用种子点功能连接定位了6例患者的运动网络；Zhangetal.,(2010)利用种子点功能连接提取了4例肿瘤病人的感觉运动网络；Bottgeretal.,(2011)利用种子点功能连接做了8例病人的默认网络、运动网络、语言网络、背侧注意网络。这些研究虽然体现了静息态fMRI术前定位的可行性，但是研究样本量都非常有限(小于10人)；而且，种子点功能连接计算方法对噪声很敏感，对种子点的位置确定也很敏感，噪声较大情况下或者种子点位置很难确定的情况下，该方法受到严重制约。此外，目前为止，功能区定位仅仅停留在运动功能区定位研究上。对于肿瘤特别是非恶性肿瘤的切除术来说，除了保留运动功能区，语言功能区的保护同样是非常重要的目标。国际上最前沿的术前定位研究表明，仅仅局限于特定脑功能网络的定位远远不够，离“最大限度保留神经功能”尚有距离。多功能系统术前综合定位是未来的趋势。目前的静息态fMRI的分析方法主要有两种，一种是种子点功能连接的分析方法，另外一种是独立成分分析法(Independentcomponentanalysis,ICA)，这种方法可以将4维静息态fMRI数据根据空间独立的假设进行盲源分解，结果可以得出各种功能网络。但是，如何从中挑选感兴趣的脑功能网络(如语言网络)仍无可靠、客观、科学的方法；另外，ICA分解结果受模型阶数(即成分数)定义影响很大。传统虽然有基于数据和信息论的方法估计模型阶数，但是现在越来越受研究者的诟病，因为估计的模型阶数很难说是“准确”的。模型阶数不同，得到的功能网络不同，到底什么样的模型阶数能够得到最佳结果，是亟待解决的问题。
技术实现思路
本专利技术的目的是针对已有技术的不足，本专利技术提供一种简便易行的、自动化的基于静息态功能磁共振的术前脑功能网络定位方法，同时解决种子点难以定义，噪声问题、无法多功能网络共同定位、无法合理优化模型阶数、无法自动识别成分的问题。为实现上述目的，本专利技术方法采取以下步骤：步骤(1).对无磁共振禁忌症的病患进行结构磁共振扫描，得到结构磁共振成像数据；然后判断该病患是否可以接受任务态功能磁共振扫描，若是则进行步骤(2),若否则进行步骤(9)；所述的磁共振禁忌症是指体内有金属植入物或电子植入物，或患有幽闭恐惧症，或无法仰躺，或有在金属环境工作的经历；可以接受任务态功能磁共振扫描的病患是指病患可以在磁共振中顺利配合完成一定时间的简单任务如图片命名，双手握拳运动等；步骤(2).判断病患的病灶所在脑区位置，以及病灶所在脑区位置是否和某重要功能区相邻，若是则对该病患进行该重要功能的任务功能磁共振扫描，得到任务态功能磁共振数据；若否则无需术前功能定位；所述的重要功能区是指日常生活息息相关的功能，如语言、运动；所述的重要功能的任务功能磁共振扫描是指根据该重要功能区所负责的功能来制定的任务功能磁共振扫描；步骤(3).对步骤(2)同一个病患进行静息态功能磁共振扫描，得到静息态功能磁共振数据；所述的静息态功能磁共振扫描是当病患处于安静闭眼休息的状态时进行的功能磁共振扫描，在扫描过程中，病患无需执行任务；步骤(4).通过对步骤(2)得到的任务态功能磁共振数据进行分析，得到任务激活区；通过任务激活区制作解剖模板，用于步骤(6)对静息态功能磁共振数据的分析；所述的任务激活区是指通过多重回归分析(广义线性模型)得出的当病患进行任务时大脑被激活的区域；所述的激活是指某脑区在执行任务时，神经元活动导致血氧水平依赖(BloodOxygenatedLevelDependent,BOLD)信号相对于基线水平升高；所述的解剖模板的制作方法为将任务激活区结果，应用一定阈值(如T检验结果p值小于0.001)，使之从连续值的图像，变为二值化的图像(即只有0和1两种值，其中0表示解剖模板外的体素，1表示解剖模板内的体素)；步骤(5).通过独立成分分析方法对步骤(3)得到的静息态功能磁共振数据进行分析，提取大脑功能网络；所述的独立成分分析方法是指基于空间独立假设的，多元数据分析的盲源分析方法；它可将静息态功能磁共振数据分解为多个空间独立的大脑功能网络；由于独立成分分析的结果受初始值的影响，会产生较大的变异，因此，本专利技术推荐使用受初始值影响小的“被试数据连接顺序无关”独立成分分析方法(SOI-GICA)；步骤(6).采用模板匹配方法对步骤(5)得到的多个大脑功能网络进行自动化的相似度匹配，找出和步骤(4)制作出的解剖模板最相似与次相似的大脑功能网络；所述的模板匹配方法的选取要求是可同时考虑大脑功能网络提取的敏感度和特异度，如基于信号检测论(Signaldetectiontheory)的辨别力指标(Discriminabilityindex)；所述的基于信号检测论的辨别力指标是指在信号检测论中，用一种指标定义信号和噪声之间的差异；如果该指标越大，表示操作者能准确从噪声中辨别出信号；而如果该指标较小，则表示很难辨别；步骤(7).对独立成分分析模型的模型阶数进行改变，遍历各模型阶数，进行步骤(6)所述的分析，得到在不同模型阶数的取值下，和步骤(4)制作出的解剖模板最相似与次相似的大脑功能网络；所述的模型阶数是指在独立成分分析中，设置将静息态功能磁共振数据分解为多少个空间独立成分的参数。由于不可能知道人脑有多少个空间独立的成分，因此，在独立成分分析中，本文档来自技高网...

【技术保护点】
一种基于静息态功能磁共振的术前脑功能网络定位方法，其特征在于该方法包括以下步骤：步骤(1).对无磁共振禁忌症的病患进行结构磁共振扫描，得到结构磁共振成像数据；然后判断该病患是否可以接受任务态功能磁共振扫描，若是则进行步骤(2),若否则进行步骤(9)；步骤(2).判断病患的病灶所在脑区位置，以及病灶所在脑区位置是否和某重要功能区相邻，若是则对该病患进行该重要功能的任务功能磁共振扫描，得到任务态功能磁共振数据；若否则无需术前功能定位；步骤(3).对步骤（2）同一个病患进行静息态功能磁共振扫描，得到静息态功能磁共振数据；所述的静息态功能磁共振扫描是当病患处于安静闭眼休息的状态时进行的功能磁共振扫描，在扫描过程中，病患无需执行任务；步骤(4).通过对步骤（2）得到的任务态功能磁共振数据进行分析，得到任务激活区；通过任务激活区制作解剖模板，用于步骤（6）对静息态功能磁共振数据的分析；步骤(5).通过独立成分分析方法对步骤（3）得到的静息态功能磁共振数据进行分析，提取大脑功能网络；所述的独立成分分析方法是指基于空间独立假设的，多元数据分析的盲源分析方法；它可将静息态功能磁共振数据分解为多个空间独立的大脑功能网络；步骤(6).采用模板匹配方法对步骤(5)得到的多个大脑功能网络进行自动化的相似度匹配，找出和步骤(4)制作出的解剖模板最相似与次相似的大脑功能网络；步骤(7).对独立成分分析模型的模型阶数进行改变，遍历各模型阶数，进行步骤（6）所述的分析，得到在不同模型阶数的取值下，和步骤(4) 制作出的解剖模板最相似与次相似的大脑功能网络；步骤(8).对步骤（6）、（7）得到的多个最相似大脑功能网络相对应的拟合优度进行排序，得到最高拟合优度所对应的大脑功能网络；根据最高拟合优度所对应的大脑功能网络，得到与该大脑功能网络相对应的模型阶数相同的次相似大脑功能网络，然后判断该次相似的大脑功能网络所对应的拟合优度值是否大于阈值，若是则将该最相似与该次相似的大脑功能网络合并为一个最佳大脑功能网络，用于术前功能定位；若否则将该最相似的大脑功能网络作为最佳大脑功能网络，用于术前功能定位；步骤(9).对一组健康人做任务态和静息态功能磁共振扫描，然后执行步骤（2）～（8）操作，得到标准空间的脑功能网络模板；步骤(10).对无法接受任务态功能磁共振扫描的病患，进行静息态功能磁共振扫描，得到静息态功能磁共振数据；然后将该病患的结构磁共振成像数据配准（即对齐）到标准空间，得到配准的变换信息，并利用该变换信息，将步骤(9)中得到的标准空间的脑功能网络模板反变换回病患的个体空间，得到该病患的解剖模板，最后重复步骤（5）～（8）。...

【技术特征摘要】
1.一种基于静息态功能磁共振的术前脑功能网络定位方法，其特征在于该方法包括以下步骤：步骤(1)、采用病患的任务态功能磁共振数据进行激活区检测，获得任务激活脑区；同时通过任务激活脑区制作解剖模板，用于步骤(3)对静息态功能磁共振数据的分析；步骤(2)、根据病患的静息态功能磁共振数据，采用独立成分分析方法提取各个脑功能网络；所述的独立成分分析方法是指基于空间独立假设的，多元数据分析的盲源分析方法；它可将静息态功能磁共振数据分解为多个空间相互独立的脑功能网络；步骤(3)、采用模板匹配方法，对步骤(2)所得到的多个脑功能网络进行自动化的相似度匹配分析，找出和步骤(1)所制作出的解剖模板最相似与次相似的脑功能网络；步骤(4)、对独立成分分析模型中的模型阶数进行改变，遍历各个模型阶数取值，进行步骤(3)所述的相似度匹配分析，得到在不同模型阶数的取值的情况下，和步骤(1)所制作出的解剖模板最相似与次相...

【专利技术属性】
技术研发人员：张寒，路俊锋，吴劲松，臧玉峰，
申请(专利权)人：杭州师范大学，复旦大学附属华山医院，
类型：发明
国别省市：浙江;33