一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法技术

一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法，属于生物医学信号处理领域。对于从多被试fMRI数据中提取的时间过程成分，同时进行稀疏贝叶斯网络(SBN)分析与Granger因果连接分析，寻找两种有效连接方法间的内在一致性，提取两种方法共有的网络连接，作为多被试fMRI数据的稳定脑功能连接加以输出，为脑功能研究和脑疾病诊断提供更好的技术支持。以默认网络DMN内部7个子成分为对象，以本发明专利技术提取的稳定连接为目标网络，采用Granger方法对40个健康被试对照组与42个精神分裂症患者组进行分析，两组被试在目标网络的连接结果上差异显著。

A sparse Bayesian network and Granger double constraint method for brain functional connectivity analysis

A sparse Bayesian network for brain functional connectivity analysis and Granger double constraint method belongs to the field of biomedical signal processing. For from the multi subject composition time extraction processes fMRI data, and sparse Bayesian network analysis (SBN) is connected with the Granger causality analysis, find two effective connection method between internal consistency, shared network connecting two different extraction methods, as more stable subjects brain function fMRI data connection to the output. For the research of brain function and brain disease diagnosis to provide better technical support. The internal default network DMN 7 components as the object of the invention to extract the stable connection to the target network, using Granger method in 40 healthy subjects in control group and 42 patients with schizophrenia were included in the analysis, two groups had significant differences in the results of the target network connection.

【技术实现步骤摘要】
一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法
本专利技术涉及fMRI数据的功能网络连接分析，特别是涉及一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法。
技术介绍
功能磁共振成像(functionalmagneticresonanceimaging，fMRI)是一种神经影像学技术，具有高空间分辨率、可重复检测、无创伤性等优点，已成为脑功能研究和脑疾病诊断的重要工具之一。数据驱动的独立成分分析(independentcomponentanalysis,ICA)方法能够从fMRI数据中提取出被试(subject)的脑空间激活区(spatialmap,SM)成分及其对应的时间过程(timecourse,TC)成分。基于TC成分进行的脑功能连接(functionalconnectivity)分析，可探究不同脑区之间相互作用与协调的模式，发现脑疾病(如精神分裂症、阿尔兹海默病、抑郁症、躁郁症等)患者与健康对照被试在脑功能连接方面的显著异常，进而用于脑疾病研究与辅助诊断。功能连接分为无向的功能连接及有向的功能连接。其中，无向的功能连接简称功能连接，强调的是不同脑区之间本文档来自技高网...

【技术保护点】
一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法，其特征在于以下步骤：第一步，输入从K个被试fMRI数据中分别提取的TC成分，记为X′

【技术特征摘要】
1.一种脑功能连接分析的稀疏贝叶斯网络与Granger双约束方法，其特征在于以下步骤：第一步，输入从K个被试fMRI数据中分别提取的TC成分，记为X′(k)∈Rl×T,k＝1,…,K，l为TC成分的个数，T为TC成分的时间点数；第二步，采用截止频率为fL～fH的带通滤波器对X′(k)进行滤波，得到滤波后的时间过程成分X(k)∈Rl×T，k＝1,…,K；带通滤波器截止频率fL～fH根据TC成分的频率特性进行选择；第三步，对于SBN分析方法，逐个被试计算：令k＝1；第四步，设置停机参数ε，约束参数λ1，λ2，利用SBN方法实现流程，由滤波数据X(k)∈Rl×T计算第k个被试共l个节点的SBN回归系数矩阵i,j＝1,…,l，i≠j；第五步，判断k是否小于K，若是，则k＝k+1，并跳转到第四步；若否，则跳转到第六步；第六步，剔除非显著连接，保留显著连接：对于K个被试的各个相同连接的i,j＝1,…,l，i≠j，例如分别利用单样本t检验计算t值，保留p<0.05即t>tth的显著性连接，剔除其他连接；tth是在自由度为K-1的情况下，p<0.05所对应的t值，查表得到；第七步，对于显著连接，计算K个被试的各回归系数的平均值，记为第八步，约束回归系数：挑选出回归系数的连接，剔除的连接；β′可根据对的约束强度进行设置，约束强度越大，β′越大；第九步，对于Granger因果连接分析方法，逐个被试计算：令k＝1；第十步，计算第k个被试数据X′(k)中每两个TC成分间的因果一致性和i,j＝1,…,l，i≠j；根据公式(1)(2)(3)(4)，若TC成分i与成分j的时间序列用Xt与Yt表示，...

【专利技术属性】
技术研发人员：林秋华，张策，张超颖，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21