【技术实现步骤摘要】
一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法
本专利技术涉及fMRI功能磁共振成像数据和DTI弥散张量成像数据的脑效应连接网络构建方法,特别是一种基于多模态信息融合的蚁群学习方法。
技术介绍
磁共振成像(magneticresonanceimaging,MRI),是一种具有空间分辨率高,组织对比度高的医学影像技术。其中结构磁共振成像(structuremagneticresonanceimaging,sMRI)、磁共振弥散张量成像(diffusiontensorimaging,DTI)、功能磁共振成像(functionalmagneticresonanceimaging,fMRI)等多模态磁共振影像技术能够无创伤性地从灰质、白质纤维、基于血液氧合水平等不同方面获取人脑的结构和功能连接信息,为认知神经科学的实验研究提供了有利条件,同时又在病理学研究方面具有很重要的临床意义,拥有着广泛的应用前景和重要科学价值。特别是通过分析fMRI数据构建的脑功能网络和DTI数据构建的脑结构网络,可以帮助了解复杂的人类大脑的运作,并为理解精神病和神经性疾病,如早老性痴呆和帕金森病,精神分裂症,上瘾,和抑郁症等提供帮助。脑功能网络的连接主要包括功能连接和效应连接两种描述。其中,脑效应连接网络是一种由节点和有向边构成的图模型,其中节点表示脑区,有向边刻画了一个脑区施加于另一个脑区神经活动的因果效应,而与边相关的连接参数表示边的连接强度。由于脑效应连接网络的识别是评价正常脑功能及其与神经退化疾病(如阿尔兹海默病、帕金森病等精神疾病)相关损伤的有效手段,所以成为目前人脑连 ...
【技术保护点】
1.一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法,其特征在于:该方法包括以下步骤,步骤1数据获取:首先为了验证本方法的有效性,使用一种仿真数据生成方法,生成一组匹配的仿真fMRI数据和DTI数据,生成的仿真数据由于已知标准网络结构,因此用于检测算法有效性,衡量算法的性能;然后使用真实采集的配套fMRI和DTI数据,进行真实脑效应连接网络构建;步骤2数据预处理:真实fMRI数据预处理使用统计参数图软件包实现;真实DTI数据预处理使用FSL工具或DSI studio软件实现;步骤3选取感兴趣区域ROI:采用AAL模板,共包含90个脑区;然后分别提取这90个脑区的结构信息和功能信息,这里的结构信息为脑区的各向异性分数值FA,功能信息为脑区的体素值。步骤4使用结构信息构建约束网络:根据获得的90个脑区FA值,对其求皮尔森相关,获得90×90的皮尔森相关矩阵;步骤5使用结构信息计算新启发函数:原始蚁群算法中,启发函数为增加边后的评分增益;将结构信息引入启发函数,指导算法搜索优秀解;步骤6使用蚁群算法搜索与fMRI数据最匹配的脑效应连接网络:具体包括以下几个步骤:初始化参数;初始化种群 ...
【技术特征摘要】
1.一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法,其特征在于:该方法包括以下步骤,步骤1数据获取:首先为了验证本方法的有效性,使用一种仿真数据生成方法,生成一组匹配的仿真fMRI数据和DTI数据,生成的仿真数据由于已知标准网络结构,因此用于检测算法有效性,衡量算法的性能;然后使用真实采集的配套fMRI和DTI数据,进行真实脑效应连接网络构建;步骤2数据预处理:真实fMRI数据预处理使用统计参数图软件包实现;真实DTI数据预处理使用FSL工具或DSIstudio软件实现;步骤3选取感兴趣区域ROI:采用AAL模板,共包含90个脑区;然后分别提取这90个脑区的结构信息和功能信息,这里的结构信息为脑区的各向异性分数值FA,功能信息为脑区的体素值。步骤4使用结构信息构建约束网络:根据获得的90个脑区FA值,对其求皮尔森相关,获得90×90的皮尔森相关矩阵;步骤5使用结构信息计算新启发函数:原始蚁群算法中,启发函数为增加边后的评分增益;将结构信息引入启发函数,指导算法搜索优秀解;步骤6使用蚁群算法搜索与fMRI数据最匹配的脑效应连接网络:具体包括以下几个步骤:初始化参数;初始化种群规模,根据步骤4的结果初始化启发信息及信息素;每只蚂蚁迭代搜索寻找K2评分更高的网络结构,当网络评分无法增加时,该蚂蚁则停止搜索过程,并在所走路径下留下信息素;之后下一代蚂蚁继续搜索,直到连续10代蚂蚁搜索到相同的网络结构时,停止蚁群算法,输出当前网络,即获得的最优网络;最终得到的这个最优网络结构就是本次运行中从fMRI数据中学习到的效应连接网络;步骤7结果分析:对于学得的脑效应连接网络结构,节点表示脑区ROI,有向弧为脑区之间的效应连接。2.根据权利要求1所述的一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法,其特征在于:步骤1:数据获取;首先为了验证本方法的有效性,使用一种仿真数据生成方法,生成了一组匹配的仿真fMRI数据和DTI数据;使用DCM模型生成仿真fMRI数据,模型如下:zt+1=σAzt+Cu(1)其中{zt}为神经序列,t为当前时刻,A为标准网络矩阵,σ为衰减系数,C为控制矩阵,u为含高斯噪声的外部输入。3.根据权利要求1所述的一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法,其特征在于:步骤2数据预处理;fMRI数据预处理:预处理操作使用统计参数图SPM软件完成,包括:时间校正、头动校正、空间标准化,数据重采样,高斯平滑;DTI数据预处理:预处理操作使用DSIStudio软件完成,包括:设置大脑模板,纤维束重建,纤维束可视化,纤维束追踪。4.根据权利要求1所述的一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法,其特征在于:步骤3选取感兴趣区域;所采用的仿真数据集使用的ROI共有6个区域,但这6个区域并不具有实际的意义;同样地,与之匹配的DTI数据也含有6个感兴趣区域,这些区域也不具实际意义;对于真实数据,选取的感兴趣区域使用最常用的自动解剖标记板获得大脑的90个皮层及皮层下脑区;对fMRI数据而言,提取90个脑区中每个脑区(ROI)内所有体素的时间序列,并做平均,获得每个脑区的平均BOLD信号;针对DTI数据,根据纤维束追踪的结果,获取这90个脑区中每个脑区平均的白质纤维部分各向异性值FA。5.根据权利要求1所述的一种从fMRI和DTI数据中构建脑效应连接网络的蚁群方法,其特征在于:步骤4使用结构信息构建约束网络:基于FA值,利用下式计算每对脑区间i和j的皮尔森相关系数r(Xi,Xj):式中,n...
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。