一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法技术

本发明专利技术提供了一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法，包括：A、获取各被试对象的磁共振脑影像；B、基于每个被试对象磁共振脑影像的至少一个被分析单元、以及每个被分析单元对应的至少一个参数变量，构建每个被试对象的多维变量；C、根据所述每个被试对象的多维变量，分别计算两两被试对象的所述多维变量之间的特征距离，并据此构建各被试对象的第一特征距离矩阵；D、获取各被试对象的第二种数据，分别计算两两被试对象的所述第二种数据之间的特征距离；据此构建各被试对象的第二特征距离矩阵；E、根据第一、第二特征距离矩阵的相似度大小，确定所述被试对象的所述被分析单元的所述参数变量与所述第二种数据的相关性强弱。

A data association analysis method for individual differences between subjects based on magnetic resonance brain images

The present invention provides a magnetic resonance imaging of the brain based on subject analysis method, the individual differences between objects include: A, the relationship between data acquisition the subjects brain magnetic resonance imaging object; B, each subjects brain magnetic resonance imaging of the at least one analysis unit and each unit corresponding analysis at least one of the variables based on the construction of each participant multidimensional variable object; C, according to the subjectswere multidimensional variable object, 22 subjects feature distance between the multi-dimensional variable objects were calculated, and constructs the subjects of the first image distance matrix; second kinds of data D and obtain the subjects, 22 subjects of distance between objects of the second kinds of data were calculated based on various subjects; second characteristics of distance matrix object; E, according to the first and second. The degree of similarity between the parameter variable of the analyzed unit and the second data is determined by the similarity of the distance matrix.

【技术实现步骤摘要】
一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法
本专利技术涉及脑影像领域，特别涉及一种基于被试磁共振脑影像的被试对象间个体差异的数据间关系分析方法。
技术介绍
目前，现阶段的基于影像的神经科学分析方法通常是考察单个分析单元的脑影像信息与除该被分析的影像信息之外的其他数据的关系。例如，现有技术中在对比先天愚型与正常人的脑影像差别的时候，对于每个被试对象的完整的脑区图像，假设由n个脑区构成，仅逐个独立的分析脑影像中这n个脑区，将各个被试对象脑影像的单独脑区选出后进行逐个对比分析，以试图探索出先天愚型与正常人的差异脑区。这种方式忽略了影像数据不同分析单元之间的相对信息，即，仅独立考虑了多个脑区，而忽略了n个脑区中，各个脑区之间的相对信息，即未考虑各个脑区之间的变异及相互关系。同时，目前磁共振影像数据的神经影像分析方法大多采用基于脑影像原始数据的组间差异比较、被试间相关分析等，忽略了以两两被试间的差异为数据基本单元来展开分析。由此可见，现有技术忽略了被试个体脑影像多个分析单元之间的相对信息及两两被试间个体差异信息，部分阻碍了对被试对象脑影像信息与除该被分析的影像信息之外的其他数据的关系研究。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法，通过利用磁共振影像数据中多维变量度量两两被试之间的相似性(即特征空间距离)，并分析影像数据的被试间相似度和除该影像数据之外的其他数据的被试间相似度之间的关系，以确定所述被试对象脑影像多维变量与除该被分析的影像信息之外的其他数据的相关性。本申请提供一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法，所述方法包括以下步骤：A、获取各被试对象的磁共振脑影像；B、基于每个被试对象磁共振脑影像的至少一个被分析单元、以及每个被分析单元对应的至少一个参数变量，构建每个被试对象的多维变量；C、根据所述每个被试对象的多维变量，分别计算两两被试对象的所述多维变量之间的特征距离，并据此构建各被试对象的第一特征距离矩阵；D、获取各被试对象的第二种数据，分别计算两两被试对象的所述第二种数据之间的特征距离；据此构建各被试对象的第二特征距离矩阵；E、根据第一、第二特征距离矩阵的相似度大小，确定所述被试对象的所述被分析单元的所述参数变量与所述第二种数据的相关性强弱。由上，通过利用磁共振影像数据中多维变量度量两两被试之间的相似性(即特征空间距离)，并分析影像数据的被试间相似度和除该影像数据之外的其他数据的被试间相似度之间的关系，以确定所述被试对象脑影像多维变量与除该被分析的影像信息之外的其他数据的相关性。优选地，所述每个被试对象的多维变量包括：基于该被试对象的1个被分析单元、该被分析单元对应的n1个参数变量构成的n1维变量；或基于该被试对象的m2个被分析单元、每个被分析单元对应的1个参数变量构成的m2维变量；或基于该被试对象的m3个被分析单元、每个被分析单元对应的n3个参数变量构成的m3*n3维变量；其中：n1大于1，m2大于1，m3大于2，n3大于2。优选地，所述磁共振影像包括以下任一：结构磁共振影像、弥散磁共振影像、任务态功能磁共振影像、静息态功能磁共振影像。优选地，所述被分析单元至少包括以下其一：整个大脑、大脑半球、由任意个体素组成的各个感兴趣区域、各个感兴趣区域之间的脑连接。优选地，所述参数变量为任一可量化的脑指标；其中，所述脑指标包括：脑磁共振信号强度、脑灰质相关指标、脑白质相关指标、脑功能激活相关指标、脑静息态功能相关指标、脑网络连接数据、脑网络拓扑属性或脑偏侧化指标。优选地，所述脑灰质相关指标包括以下任一：灰质皮层表面积、灰质体积、灰质皮层厚度、灰质密度；所述脑白质相关指标包括以下任一：平均弥散系数、各向异性分数、相对各向异性、轴向弥散系数以及径向弥散系数；所述脑功能激活相关指标包括以下任一：激活面积、激活强度；所述脑静息态功能相关指标包括以下任一：局部一致性、低频振荡振幅、分数低频振幅。优选地，所述每个参数变量包括：由同一个指标相关的一个或多个数据所构成的一维向量；由p个不同指标分别相关的一个或多个数据所构成的p维向量，p大于1。优选地，所述被试对象的第二种数据至少包括以下其一：基于被试对象磁共振脑影像的其他被分析单元或其他参数变量提取出的每个被试对象的多维变量、环境数据、遗传数据、临床数据、行为数据。由上，本申请提供一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法，通过利用磁共振脑影像数据中多维变量的被试对之间的相似性，并分析该影像数据的被试间相似度和除该影像数据之外的其他数据的被试间相似度之间的关系，以确定所述被试对象的脑影像的多维变量与所述第二种数据的相关性。附图说明图1为本专利技术实施提供的一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法的流程图；图2为对应图1的图像示意图示例，其中(A)为各个被试对象磁共振脑影像的全脑多维变量的空间分布图；(B)为各个被试对象的磁共振脑影像的多维变量示意图；(C)为采用线性相关方法来度量某两个被试对象的多维变量之间特征距离的示意图；(D)为分别计算两两被试对象的所述多维变量之间的特征距离矩阵示意图，其中每个矩阵像素对应每个特征距离值。图3的(A)为基于磁共振影像的被试间特征距离矩阵的举例示意图；(B)为基于基因序列信息的被试间特征距离矩阵的第一举例示意图；(C)为基于基因序列信息的被试间特征距离矩阵的第二举例示意图。具体实施方式下面将结合附图1-3，对本专利技术实施例进行详细描述。参见图1，本专利技术的一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法包括以下步骤：S101，针对s个被试对象，获取各被试对象的磁共振脑影像；其中，所述磁共振影像可包括以下任一：结构磁共振影像、弥散磁共振影像、任务态功能磁共振影像、静息态功能磁共振影像。其中，图2例子中的图(A)所示为s＝43。S102，基于每个被试对象磁共振脑影像的至少一个被分析单元、以及每个被分析单元对应的至少一个参数变量，构建每个被试对象的多维变量。其中，所述被分析单元即为所被分析的对象，可以为整个大脑、大脑半球、由任意个体素组成的各个感兴趣区域、或各个感兴趣区域之间的脑连接。举例来说，基于磁共振影像数据，可将大脑皮层按照一定的规则分割成不同的感兴趣区域，即不同脑区。在脑网络分析中，脑区也被称为脑网络的节点，这些脑区/节点可以作为本专利技术的各个分析单元。同理，如果计算各个脑区之间的相互关系，在脑网络研究中，这种相互关系被称为脑连接。各个脑连接也可以作为本专利技术的各个分析单元。每个被分析单元会存在着至少一个可量化的脑指标值，即对应着至少一个参数变量。其中，所述脑指标可包括：脑磁共振信号强度、脑灰质相关指标、脑白质相关指标、脑功能激活相关指标、脑静息态功能相关指标、脑网络连接数据、脑网络拓扑属性或脑偏侧化指标等。而对于上述每个脑指标，即每个参数变量，其还可以由若干子参数变量构成，例如：所述脑灰质相关指标包括灰质皮层表面积、灰质体积、灰质皮层厚度、灰质密度等；所述脑白质相关指标包括平均弥散系数、各向异性分数、相对各向异性、轴向弥散系数以及径向弥散系数等；所述脑功能激活相关指标包括激活面积、激活强本文档来自技高网...

【技术保护点】
一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法，其特征在于，包括步骤：A、获取各被试对象的磁共振脑影像；B、基于每个被试对象磁共振脑影像的至少一个被分析单元、以及每个被分析单元对应的至少一个参数变量，构建每个被试对象的多维变量；C、根据所述每个被试对象的多维变量，分别计算两两被试对象的所述多维变量之间的特征距离，并据此构建各被试对象的第一特征距离矩阵；D、获取各被试对象的第二种数据，分别计算两两被试对象的所述第二种数据之间的特征距离；据此构建各被试对象的第二特征距离矩阵；E、根据第一、第二特征距离矩阵的相似度大小，确定所述被试对象的所述被分析单元的所述参数变量与所述第二种数据的相关性强弱。

【技术特征摘要】
1.一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法，其特征在于，包括步骤：A、获取各被试对象的磁共振脑影像；B、基于每个被试对象磁共振脑影像的至少一个被分析单元、以及每个被分析单元对应的至少一个参数变量，构建每个被试对象的多维变量；C、根据所述每个被试对象的多维变量，分别计算两两被试对象的所述多维变量之间的特征距离，并据此构建各被试对象的第一特征距离矩阵；D、获取各被试对象的第二种数据，分别计算两两被试对象的所述第二种数据之间的特征距离；据此构建各被试对象的第二特征距离矩阵；E、根据第一、第二特征距离矩阵的相似度大小，确定所述被试对象的所述被分析单元的所述参数变量与所述第二种数据的相关性强弱。2.根据权利要求1所述的方法，其特征在于，所述每个被试对象的多维变量包括：基于该被试对象的1个被分析单元、该被分析单元对应的n1个参数变量构成的n1维变量；或基于该被试对象的m2个被分析单元、每个被分析单元对应的1个参数变量构成的m2维变量；或基于该被试对象的m3个被分析单元、每个被分析单元对应的n3个参数变量构成的m3*n3维变量；其中：n1大于1，m2大于1，m3大于2，n3大于2。3.根据权利要求1或2所述的方法，其特征在于，所述磁共振影像包括以下任一：结构磁共振影像、弥散磁共振影像、任务态功能磁共振影像、静息态功能磁共振影...

【专利技术属性】
技术研发人员：龚高浪，仲苏玉，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京,11