The invention discloses a brain functional magnetic resonance encoding energy imaging method based on non-parametric statistics. The method integrates depth self-coding, non-parametric bootstrap statistics and power spectrum analysis for processing large data sets of functional magnetic resonance imaging. By encoding, the dimensionality of large data sets of functional magnetic resonance can be reduced, and the processing capacity of subsequent data can be reduced. After dimensionality reduction, activation components were detected by bootstrap statistics, and the maximum energy of each dimension data was used to optimize the selection of recognition results of brain function activation. Therefore, the functional magnetic resonance coding energy imaging based on non-parametric statistics not only establishes a functional magnetic resonance imaging model, but also saves computer memory and other resources due to dimensionality reduction of imaging data. Using this model to realize functional magnetic resonance imaging is a new technological attempt.
【技术实现步骤摘要】
基于非参数统计的脑功能磁共振编码能量成像方法
本专利技术涉及一种医学成像方法,尤其涉及一种基于非参数统计的脑功能磁共振编码能量成像方法。
技术介绍
众所周知,大脑是迄今为止我们所知道的最复杂、最精密的系统。由于研究脑对于人类有重要的价值,因此世界各国都在展开脑科学的探索研究,其中脑功能成像是人类研究脑的重要方法。近几十年高空间分辨率的功能磁共振成像技术是人们认识脑的一种重要的无损检测手段,并且在神经、认知和临床等多领域受到了极大关注。功能磁共振脑功能信息提取技术是将磁共振成像与大脑认知、神经科学和临床应用相结合的关键。功能磁共振成像利用血氧水平依赖性(Bloodoxygenationleveldependent,BOLD)对比,给我们提供了一种测量血氧流的方法,具体可参见电子科技大学张江的博士论文《脑功能磁共振成像数据处理算法及应用研究》。功能磁共振成像技术探测反映神经活动的脑血流量(Cerebralbloodflow,CBF)与血氧变化,当大脑出现神经活动时,CBF与脑氧代谢率(Cerebralmetabolicrateofoxygen,CMRO2)增加,而且伴随着大脑神经活动的增加,局部CBF增加得比CMRO2快,导致脑氧抽取率(Cerebraloxygenextractionfraction)下降,从而局部血液含氧较多,脱氧血红蛋白减少,磁场畸变减小,局部磁共振信号轻微增加。BOLD信号的变化被用作功能磁共振成像成像信号。虽然BOLD效应是功能磁共振成像的基础,但是它的确切机制还仍然不是十分清楚。而且BOLD响应的复杂性,功能磁共振成像信号形状变化等 ...
【技术保护点】
1.一种基于非参数统计的脑功能磁共振编码能量成像方法,其特征在于:包括以下步骤:(1)对功能磁共振预处理后数据集建立标准化Z分数与协方差矩阵,进行深度自编码降维;(11)采集脑功能磁共振数据,并对脑功能磁共振的功能像数据进行预处理,得到预处理后的数据集D,
【技术特征摘要】
1.一种基于非参数统计的脑功能磁共振编码能量成像方法,其特征在于:包括以下步骤:(1)对功能磁共振预处理后数据集建立标准化Z分数与协方差矩阵,进行深度自编码降维;(11)采集脑功能磁共振数据,并对脑功能磁共振的功能像数据进行预处理,得到预处理后的数据集D,其中,m为数据集D中体素个数,di为第i个体素的时间序列,每个体素时间序列长度表示为n,n<<m。再对数据集D建立标准化Z分数矩阵与协方差矩阵;(12)对协方差矩阵用相关维数法进行本质维数估计,确定最优维数L;(13)根据最优维数对协方差矩阵进行自编码降维,获得降维数据矩并取反,然后与步骤(11)中Z分数矩阵相乘获得对应于Z分数矩阵的降维数据Q,其中,L<<n;(2)对Q中每一列数据向量进行非参数自举统计检验,得到非参数统计结果;(3)对每一列数据向量Qj,利用(2)统计结果中显著性差异P<0.05的体素对应在数据集D中的时间序列di,来计算各体素时间序列的功率谱和功率谱累积能量,并将各体素的功率谱累积能量作为各体素在时域上的平均功率;叠加每一列数据向量所有体素的平均功率作为该列数据向量的平均功率,保留平均功率最大的Qj,,记为Qj(max);(...
【专利技术属性】
技术研发人员:张江,陈华富,杨剑波,杜正聪,
申请(专利权)人:四川大学,
类型:发明
国别省市:四川,51
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。