一种脑激活区检测方法和装置制造方法及图纸

本发明专利技术提供一种脑激活区检测方法，包括以下步骤：获取fMRI数据；构建所述fMRI数据的二维频域特征空间S；采用均值漂移算法对所述特征空间S进行聚类搜索；得到激活区检测结果。本发明专利技术还提供相应的脑激活区检测装置。本发明专利技术提供的脑激活区检测方法和装置不但可以检测到活动较强的激活体素，还可以敏感地检测到那些由时域表现微弱但频域表现较强的体素构成的脑激活区，具有良好的抗噪能力和高灵敏度。

【技术实现步骤摘要】

本专利技术设及医学信号处理领域，尤其设及一种脑激活区检测方法和脑激活区检测 装置。
技术介绍
功能磁共振成像（functionalMa即eticResonanceImaging,fMRI)是一种通过 测量血液中氧浓度变化引起的血红蛋白的磁性改变，得到基于血液动力学度IoodOxygen LevelD巧endence,BOLD)机制的神经激活分布的技术。然而，由于BOLD-fMRI(即血氧水平 依赖功能磁共振成像）信号变化幅度非常微弱，与噪声波动几乎一致，使得从噪声中分离 信号变得尤为困难目前，BOLD-fMRI信号提取（也称激活区检测）方法一般可分为两类，分 别是基于模型类和基于数据类。 基于模型的算法有互相关分析、一般线性模型等；其中互相关分析的基本原理是 根据先验知识，预先定义一个模拟脑血流动力学响应函数的参考波形，然后依次计算体素 的时间过程与该参考波形的相关系数，通过阔值化相关系数来确定体素激活与否，即确定 一个阔值，若体素的相关系数大于该阔值，则判定体素处于激活状态，若相关系数小于该阔 值，则体素处于静息状态。一般线性模型是通过计算变量之间的相关性，在检测到两个变量 之间的线性关系后，建立模型，对其中的参数进行估计，然后用t检验或f检验方法对模型 进行检验，根据所设置的阔值，得到与阔值相对应的大脑激活图像，从而判定脑区是否处于 激活状态。 基于数据的算法有k均值聚类算法，独立成分分析等；其中k均值聚类算法 化-means)的基本原理是首先指定数据的类别数为k，随机从fMRI数据集中选取k个样本 点作为每个类的初始聚类中屯、，然后计算各个样本到k个聚类中屯、的距离，把样本归到离 它最近的那个聚类中屯、所在的类，聚类结果由k值表达。之后采用迭代更新的方法，基于 给定的聚类目标函数使每一次迭代过程都是沿着目标函数减小的方向进行，直到目标函数 取得最小值，算法收敛，完成对脑激活区的检测。独立成分分析（inckpendentcomponent analysis,ICA)是一种盲信号分离的方法，其目的是将观察到的数据进行分解提取独立成 分，发现数据中隐含的信息成分。用ICA处理fMRI数据一般做法是：用同样的刺激方式在 同样的情况下作两次实验得到每个体素的两个信号作混合信号，用ICA分离出与事件相关 的信号成分，然后计算每个体素的Z分数，把其值大于给定的阔值的体素认为是激活体素， 由此检测由刺激引起的脑激活区域。 上述脑激活区检测方法存在W下问题：首先，均是时域分析方法，并不完全能针对 fMRI数据独有的频域特征，在信噪比较低时fMRI数据体素时域表现较弱则会引起较高的 检测错误率；其次如k均值聚类方法需预先指定聚类数目K值，然而一般情况下无法预先 判定数据集类别数目，因此k值的最优值是很难准确选择的，且该方法中需确定一个初始 聚类中屯、对数据进行初始划分，而聚类的检测结果对于初始聚类中屯、的选择较为敏感，一 旦初始值选择的不好，将会影响聚类最终的收敛效果，降低检测结果的可靠性和准确性。而 ICA的不足体现在其适用范围，即并非所有功能核磁共振成像数据都可W采用ICA方法处 理。ICA方法虽然可W与一般常用的激活区检测算法的结果保持一致性，但对复杂的大脑的 高级活动的检测来说，用ICA处理较为困难。
技术实现思路
本专利技术的目的在于，解决现有的脑激活区检测方法信噪比低的问题。 本专利技术的目的是采用W下技术方案来实现的。[000引一种脑激活区检测方法，包括W下步骤：步骤S1，获取fMRI数据； 步骤S2，构建所述fMRI数据的二维频域特征空间S; 步骤S3,采用均值漂移算法对所述特征空间S进行聚类捜索； 阳01引步骤S4,得到激活区检测结果。 本专利技术一较佳实施方式中，步骤S2进一步包括W下步骤： 步骤S21，给定一组包含T个时间点的fMRI数据V=IVtIt= 1，2,…，T}，其中Vt 为时间点t的fMRI数据，体素P的时间序列I(P) =(I(P，t) 11 = 1，2,…T，PGV}，其中 I(P，t)为体素P在Vt中的信号强度； 步骤S22,对所述数据内的所有体素的时间序列作快速傅里叶变换W求取每个体 素信号的功率谱，计算体素P的功率谱在基频处的峰值并记为ei(P)，构建fMRI数据的第一 维特征Ei={e1(P)IPGV};步骤S23,定义体素P的邻域为N(P)，N(P) ={piIi= 1，2,…，n}，n为所述邻域 N(P)内体素的个数，取体素P与该体素邻域N(P)中所有体素的基频处功率的平均值，定义 为62(P)，表示为：(1) 构建fMRI数据的第二维特征Ez={e2(P)IPGV}; 步骤S24,构建所述特征空间S，其中，S=巧1，E2}。 本专利技术一较佳实施方式中，在所述特征空间S中，给定空间中的采样点的核函数 为kQ和容许误差e，所述步骤S3进一步包括W下步骤： 步骤S31，在所述特征空间S中任意选择初始捜索区域圆屯、0,半径为核宽h; 步骤S32,在捜索区域内计算均值漂移Mh(X):攒 该向量总是指向密度增加的方向；步骤S33,如果均值漂移向量的模小于容许误差e，IlMh(X)II<e，迭代算法结 束；否则利用下式（3)计算X得到新的圆屯、0'，返回执行步骤S32 ; (3) 本专利技术一较佳实施方式中，步骤S4进一步包括W下步骤：重复步骤SI至S3,直到 IMh(X)II<e、公式（2)收敛到局部密度极大值点，X漂移到局部极大点时，将所述特征空 间S中收敛到同一个点的样本点算作一类，得到所述激活区检测结果。 本专利技术一较佳实施方式中，步骤Sl进一步包括W下步骤：制定实验刺激方案，采 集fMRI实验数据并对所述实验数据进行预处理。 一种脑激活区检测装置，其包括： 数据抓取单元，用于获取fMRI数据； 构建单元，用于构建所述fMRI数据的二维频域特征空间S; 捜索单元，采用均值漂移算法对所述特征空间S进行聚类捜索；W及 输出单元，用于得到激活区检测结果。 本专利技术一较佳实施方式中，所述构建单元进一步包括W下子单元：[003引数据选择子单元，用于给定一组包含T个时间点的fMRI数据V=IVt11 = 1，2,…，T}，其中Vt为时间点t的fMRI数据，体素P的时间序列I(P) ={I(P，t) 11 = 1，2,… T,PGV}，其中I(P,t)为体素P在Vt中的信号强度； 第一维特征构建子单元，用于对所述数据内的所有体素的时间序列作快速傅里叶 变换W求取每个体素信号的功率谱，计算体素P的功率谱在基频处的峰值并记为ei(P)，构 建fMRI数据的第一维特征Ei={e1(P)IPGV}; 第二维特征构建子单元，用于取体素P与该体素邻域N(P)中所有体素的基频处功 率的平均值，定义为62(P)，表示为：(1) 构建fMRI数据的第二维特征Ez= {e2(P)IpGV};其中，定义体素P的邻域为 N(P)，N(P) ={piIi= 1，2,…，n}，n为所述邻域N(P)内体素的个数；W及 W40] 特征空间构建子单元，用于构建所述特征空间S，其中，S=巧1，Ez}。...

【技术保护点】
一种脑激活区检测方法，其特征在于，包括以下步骤：步骤S1，获取fMRI数据；步骤S2，构建所述fMRI数据的二维频域特征空间S；步骤S3，采用均值漂移算法对所述特征空间S进行聚类搜索；步骤S4，得到激活区检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：张睿，高欣，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏;32