基于逐时间窗分析的脑功能连接动态可变性度量方法技术

本发明专利技术提出了一种基于逐时间窗分析的脑功能连接动态可变性度量方法，包括：采集M个人的fMRI数据并进行预处理；采用滑动时间窗技术将fMRI数据划分为T个时间窗；构建每个人每个时间窗下的脑功能连接矩阵；针对每个人，分别计算所有时间窗下的脑功能连接矩阵对应位置值的标准差，得每个人的功能连接标准差矩阵，其每个值对应着标准差法求得的每条功能连接动态可变性；针对每个人，计算所有时间窗的斜率均值，得每个人的功能连接斜率矩阵，其每个值对应着斜率法求得的每条功能连接动态可变性；结合标准差和斜率法，最终进行脑功能连接动态可变性高低的判定。本发明专利技术实现了对脑功能连接的动态可变性更准确、全面地度量。

【技术实现步骤摘要】
基于逐时间窗分析的脑功能连接动态可变性度量方法
本专利技术属于神经影像数据分析
，尤其涉及一种基于逐时间窗分析的脑功能连接动态可变性度量方法。
技术介绍
功能磁共振成像技术(fMRI)是探测特定认知状态下神经元功能活动的成像技术，通过血氧水平依赖信号来反映皮质神经元不同活动状态下局部毛细血管血氧动态变化，并通过其顺磁性产生局部信号强度，间接反映局部神经元活动。由于功能磁共振具有可靠的理论基础、非介入无创伤、无须注射造影剂、良好的时空分辨率等诸多特性，为认知神经科学或脑信息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重要的临床意义，因而被广泛的用于人脑功能的研究。脑功能连接是评估大脑中不同区域之间的信息传递情况，展示人脑在清醒状态下的功能组织状态。通过对静息态下的脑功能连接进行检测和分析，有可能探测与人脑认知、脑疾病相关的复杂性机理。评估脑功能连接通常有连接强度值检测、脑网络的多属性测量等方法。然而传统的评估方法是基于整个fMRI的采集时间段进行的，这是基于这样一个连接静态假设：大脑在特定时间段内的功能网络是静态的、不发生改变的。事实上，人类大脑功能非常复杂，其大脑功能活动无时无刻不发生变化，这种变化的状态与个人本身的精神状态、认知情况、以及大脑健康状况有着直接的关联。因此，对脑功能连接动态可变性进行度量具有重要的意义。脑功能连接动态可变性可以获取脑运转动态变化信息，反映人类大脑随时间变化的动态重构情况，已经成为探寻与脑认知、脑疾病相关靶点的重要指标。然而，当前对动态脑功能连接的研究还很少，仅有的分析方法主要也是从时间流的整体变化来进行，并不能对每个时间节点的变化情况进行检测评价，存在度量动态特性不精确问题。因此，如何对脑功能连接的动态可变性进行更细致、精确、全面地度量成为目前人脑动态可变性研究中亟待解决的关键技术问题。
技术实现思路
本专利技术目的在于克服当前评估脑功能连接技术中的静态假设问题和从时间流整体分析脑功能连接动态可变性度量不精确问题，从而提出一种基于逐时间窗分析的脑功能连接动态可变性度量方法。为了便于理解，对本专利技术中出现的部分名词作以下解释说明：静息态：指人类在清醒、不受任何刺激、不集中做任何事情的放松状态。fMRI：英文全称为functionalmagneticresonanceimaging，功能磁共振成像，是一种新兴的神经影像学技术，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。体素：大脑的每个脑区中含有多个体素，每个体素是指一小块立方体区域，本专利技术中的每个体素的大小为3×3×3mm3。AAL模板：英文全称为AnatomicalAutomaticLabeling，该模板将人脑分为116个区域，但只有90个区域属于大脑，剩余26个区域属于小脑结构，在此专利技术中只用到90个大脑区域，即90个脑区。为了实现上述目的，本专利技术采用以下技术方案：一种基于逐时间窗分析的脑功能连接动态可变性度量方法，包括以下步骤：步骤1：采集M个人在静息态下的fMRI数据；步骤2：对所有人的fMRI数据进行预处理；步骤3：采用滑动时间窗技术将每个人的fMRI数据划分为T个时间窗；步骤4：构建每个人每个时间窗下的脑功能连接矩阵；步骤5：针对每个人，分别计算所有时间窗下的脑功能连接矩阵对应位置值的标准差，得到每个人的功能连接标准差矩阵，矩阵中每个值对应着标准差法求得的每条功能连接动态可变性；步骤6：针对每个人，分别计算所有时间窗的斜率均值，得到每个人的功能连接斜率矩阵，矩阵中每个值对应着斜率法求得的每条功能连接动态可变性；步骤7：结合步骤5中的标准差和步骤6中的斜率法分别得到的脑功能标准差矩阵和斜率矩阵，最终进行脑功能连接动态可变性高低的判定。优选地，所述的对所有人的fMRI数据进行预处理，具体包括以下步骤：对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点；对去除时间点后的fMRI数据进行切片时间校正；对切片时间校正后的fMRI数据进行头动对齐处理；对头动对齐处理后的fMRI数据进行空间标准化；对空间标准化后的fMRI数据进行去线性漂移；对去线性漂移后的fMRI数据进行带通滤波。优选地，所述的对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点，包括：去除时间点的个数为10；所述的对去线性漂移后的fMRI数据进行带通滤波，包括：带通滤波的频率区间为0.01～0.08Hz。优选地，所述的采用滑动时间窗技术将每个人的fMRI数据划分成T个时间窗，包括：设定滑动时间窗的个数为T，窗宽为W，步长为L，则将每个人经过预处理的数据分割为重叠的T段，每段的长度为W，相邻时间窗相差L。优选地，所述的步骤4，具体包括以下步骤：步骤4.1：选定一个脑模板；根据选定的脑模板将每个fMRI数据划分为N个脑区，每个脑区对应一个节点；步骤4.2：在每一个时间窗内，对每个节点求其fMRI时间窗信号，即该节点的平均时间序列信号；其中，τi是指第i个节点的平均时间序列，Vk是指第i个节点中第k个体素的时间序列，ni是第i个节点包含的体素数目；i＝1,2,…,N；k＝1,2,…,ni；步骤4.3：计算任意两节点之间的皮尔森相关系数，得出每个时间窗下两两节点的功能连接强度bi,j：bi,j＝f(τi,τj)(4.2)其中：bi,j是指节点i和节点j之间的功能连接强度；τi是指节点i的fMRI时间窗信号，i＝1,2,…,N；τj是指节点j的fMRI时间窗信号，j＝1,2,…,N；f(τi,τj)表示对时间窗信号τi和时间窗信号τj进行皮尔森相关系数的计算；步骤4.4：对每个人的每个时间窗下的功能连接强度按矩阵排列得到脑功能连接矩阵：其中，表示第m个人第t个时间窗的功能连接矩阵，表示第m个人第t个时间窗下第i个节点和第j个节点之间的功能连接强度。优选地，所述的步骤4.1中，选定的脑模板为AAL模板。优选地，所述的步骤5具体包括：对每个人所有时间窗下的功能连接矩阵中每个值对应求其标准差，得到每个人的功能连接标准差矩阵Bm；其中，是指第m个人第i个脑区和第j个脑区之间的功能连接在所有时间窗下的均值，是指用标准差求得的第m个人在第i个脑区和第j个脑区之间的脑功能连接动态可变性。优选地，所述的步骤6，具体包括以下步骤：步骤6.1：对每个人，作出每条功能连接强度随着时间窗变化的曲线其中，表示第m个人第i个节点和第j个节点的功能连接随时间窗变化的曲线，表示第m个人第t个时间窗第i个节点和第j个节点的功能连接值；步骤6.2：对每个人，基于每条功能连接强度随着时间窗变化的的曲线，计算每个时间窗的斜率其中，表示第m个人第i个节点和第j个节点的功能连接随时间变化曲线在第t个时间窗的斜率；步骤6.3：求所有时间窗的斜率的均值，得到每个人的功能连接斜率矩阵Km：其中，是指用逐时间窗斜率法求得的第m个人在第i个脑区和第j个脑区之间的脑功能连接动态可变性。优选地，所述的步骤7，具体包括以下步骤：步骤7.1：对于所有人的功能连接标准差矩阵Bm，分别将其中的每条脑功能连接动态可变性的值按降序排列，取位于前C％位的值对应的脑功能连接均放在集合中，取位于后C％位的脑功能连接均放在集合步骤7.2：将集合中的功能连接元素按照出现的次数进行降序本文档来自技高网...

【技术保护点】
1.一种基于逐时间窗分析的脑功能连接动态可变性度量方法，其特征在于，包括以下步骤：步骤1：采集M个人在静息态下的fMRI数据；步骤2：对所有人的fMRI数据进行预处理；步骤3：采用滑动时间窗技术将每个人的fMRI数据划分为T个时间窗；步骤4：构建每个人每个时间窗下的脑功能连接矩阵；步骤5：针对每个人，分别计算所有时间窗下的脑功能连接矩阵对应位置值的标准差，得到每个人的功能连接标准差矩阵，矩阵中每个值对应着标准差法求得的每条功能连接动态可变性；步骤6：针对每个人，分别计算所有时间窗的斜率均值，得到每个人的功能连接斜率矩阵，矩阵中每个值对应着斜率法求得的每条功能连接动态可变性；步骤7：结合步骤5中的标准差和步骤6中的斜率法分别得到的脑功能标准差矩阵和斜率矩阵，最终进行脑功能连接动态可变性高低的判定。

【技术特征摘要】
1.一种基于逐时间窗分析的脑功能连接动态可变性度量方法，其特征在于，包括以下步骤：步骤1：采集M个人在静息态下的fMRI数据；步骤2：对所有人的fMRI数据进行预处理；步骤3：采用滑动时间窗技术将每个人的fMRI数据划分为T个时间窗；步骤4：构建每个人每个时间窗下的脑功能连接矩阵；步骤5：针对每个人，分别计算所有时间窗下的脑功能连接矩阵对应位置值的标准差，得到每个人的功能连接标准差矩阵，矩阵中每个值对应着标准差法求得的每条功能连接动态可变性；步骤6：针对每个人，分别计算所有时间窗的斜率均值，得到每个人的功能连接斜率矩阵，矩阵中每个值对应着斜率法求得的每条功能连接动态可变性；步骤7：结合步骤5中的标准差和步骤6中的斜率法分别得到的脑功能标准差矩阵和斜率矩阵，最终进行脑功能连接动态可变性高低的判定。2.根据权利要求1所述的基于逐时间窗分析的脑功能连接动态可变性度量方法，其特征在于，所述的对所有人的fMRI数据进行预处理，具体包括以下步骤：对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点；对去除时间点后的fMRI数据进行切片时间校正；对切片时间校正后的fMRI数据进行头动对齐处理；对头动对齐处理后的fMRI数据进行空间标准化；对空间标准化后的fMRI数据进行去线性漂移；对去线性漂移后的fMRI数据进行带通滤波。3.根据权利要求2所述的基于逐时间窗分析的脑功能连接动态可变性度量方法，其特征在于，所述的对采集到的fMRI数据从DICOM格式转换NII格式后去除时间点，包括：去除时间点的个数为10；所述的对去线性漂移后的fMRI数据进行带通滤波，包括：带通滤波的频率区间为0.01～0.08Hz。4.根据权利要求1所述的基于逐时间窗分析的脑功能连接动态可变性度量方法，其特征在于，所述的采用滑动时间窗技术将每个人的fMRI数据划分成T个时间窗，包括：设定滑动时间窗的个数为T，窗宽为W，步长为L，则将每个人经过预处理的数据分割为重叠的T段，每段的长度为W，相邻时间窗相差L。5.根据权利要求1所述的基于逐时间窗分析的脑功能连接动态可变性度量方法，其特征在于，所述的步骤4，具体包括以下步骤：步骤4.1：选定一个脑模板；根据选定的脑模板将每个fMRI数据划分为N个脑区，每个脑区对应一个节点；步骤4.2：在每一个时间窗内，对每个节点求其fMRI时间窗信号，即该节点的平均时间序列信号；其中，τi是指第i个节点的平均时间序列，Vk是指第i个节点中第k个体素的时间序列，ni是第i个节点包含的体素数目；i＝1,2,…,N；k＝1,2,…,ni；步骤4.3：计算任意两节点之间的皮尔森相关系数，得出每个时间窗下两两节点的功能连接强度bi,j：bi,j＝f(τi,τj)(4.2)其中：bi,j是指节点i和节点j之间的功能连接强度；τi是指节点i的fMRI时间窗信号，i＝1,2,…,N；τj是指节点j的fMRI时间窗信号，j＝1,2,…,N；f(τi,τj)表示对时间窗信号τi和时间窗信号τj进行皮尔森相关系数的计算；步骤4.4：对...

【专利技术属性】
技术研发人员：南姣芬，宗楠楠，田二林，夏永泉，杨文雅，孟攀婷，陈启强，
申请(专利权)人：郑州轻工业学院，
类型：发明
国别省市：河南,41