一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法技术

本发明专利技术公开了一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法，包括以下步骤：(1)输入原始的脑影像数据，将原始的脑影像数据通过体素坐标构造成四维数据；(2)将四维脑影像数据通过固定大小分成K个立方体小块；(3)通过脑影像数据得到映射矩阵，并在每个立方体数据中执行相同求解映射操作；(4)通过体素坐标索引，将每个小映射矩阵拼接成完整的映射矩阵；(5)对完整的映射矩阵进行计算，得到表征相似性矩阵，分析不同认知任务之间的相似性。本发明专利技术不仅可以得到更好地结果，而且数据越多，分析出的结果更具有分析参考意义。

【技术实现步骤摘要】
一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法
本专利技术属于脑影像与计算机科学的交叉
，特别涉及一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法。
技术介绍
近些年来，神经影像技术快速发展，测量方式主要包括脑电图(electroencephalographyEEG)，结构核磁共振成像(structuralmagneticresonanceimaging,structuralMRI)，功能核磁共振成像(functionalMRI,fMRI)和脑磁图(magnetoencephalography,MEG)。fMRI作为一种成像技术，能够将大脑神经活动呈现出来。因为信息是以神经活动模式编码的，脑解码主要思想是利用这些神经活动数据来揭示认知的过程，我们借助这些影像数据，能够探究人类大脑某个区域所代表的信息以及信息是如何被编码的。脑解码是对大脑信息进行解码。信息隐藏在大脑的神经活动中，而神经活动可以不同的角度来分析，其中重要的一环是探究不同认知任务之间的相似性程度，然后对认知任务建立模型，进而更好的对大脑神经活动进行分析，利用机器学习的分析本文档来自技高网...

【技术保护点】
1.一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法，其特征在于，包括如下步骤：(1)输入原始的脑影像数据，将原始的脑影像数据通过体素坐标构造成四维数据；(2)将四维脑影像数据通过固定大小分成K个立方体小块；(3)通过脑影像数据得到映射矩阵，并在每个立方体数据中执行相同求解映射操作；(4)通过体素坐标索引，将每个小映射矩阵拼接成完整的映射矩阵；(5)对完整的映射矩阵进行计算，得到表征相似性矩阵，分析不同认知任务之间的相似性。

【技术特征摘要】
1.一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法，其特征在于，包括如下步骤：(1)输入原始的脑影像数据，将原始的脑影像数据通过体素坐标构造成四维数据；(2)将四维脑影像数据通过固定大小分成K个立方体小块；(3)通过脑影像数据得到映射矩阵，并在每个立方体数据中执行相同求解映射操作；(4)通过体素坐标索引，将每个小映射矩阵拼接成完整的映射矩阵；(5)对完整的映射矩阵进行计算，得到表征相似性矩阵，分析不同认知任务之间的相似性。2.根据权利要求1所述的一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法，其特征在于：所述步骤(1)中将原始的脑影像数据通过体素坐标构造成四维数据的具体步骤如下：通过z-score标准化(zero-meannormalization)对输入的原始的脑影像数据进行预处理，然后将脑影像数据中每个对象的FMRI图像所对应的数据根据每个体素相应的坐标数据将脑影像数据重建为四维数据。3.根据权利要求1所述的一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法，其特征在于：所述步骤(2)中所述固定的大小为3×3×3。4.根据权利要求1所述的一种基于梯度表征相似性和Searchlight的FMRI脑影像分析方法，其特征在于：所述步骤(3)中通过脑影像数据得到映射矩阵，并在每个立方体数据中执行相同求解映射操作的具体步骤如下：将基于梯度的表征相似性方法应用于数据，先将步骤(2)中得到的立方体数据转化为二维数据，然后对转化过的二维数据使用基于梯度的表征相似性算法得到映射矩阵β；具体如下：Y(l)＝X(l)B(l)+∈(l)定义为第l个对象的FMRI时间序列数据，其中T表示时...

【专利技术属性】
技术研发人员：张道强，盛晓亮，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32