一种青少年脑结构网络和脑功能网络关系模型的分析方法技术

本发明专利技术公开了一种青少年脑结构网络和脑功能网络关系模型的分析方法；包括如下步骤；步骤一，建立被试数据信息；步骤二，孤独症大脑结构网络分析；步骤三，孤独症大脑功能网络分析；步骤四，大脑因效性网络分析；步骤五，建立结构网络和功能网络的关系。本专利对结构网络的分析研究可以给医学上挖掘孤独症治疗靶点提供线索，而对功能网络、静息态大脑局部活动和因效网络的分析研究可以给医生诊断提供可靠的依据，对结构网络和功能网络的关系的研究也有重要的科学理论意义；有利于做好孤独症的早诊断早治疗，具有很重要的社会意义。本发明专利技术的应用领域可体现于；(1)疾病的诊断和治疗，(2)吸烟成瘾、网络成瘾、网络游戏成瘾，(3)认知等健康领域。

An analysis method of the relationship between brain structure network and brain function network in adolescents

The invention discloses an analysis method of the relationship model between the brain structure network and the brain function network of teenagers, which comprises the following steps: Step 1, establishing the data information of the subjects; step 2, analyzing the brain structure network of autism; step 3, analyzing the brain function network of autism; step 4, analyzing the brain effect network; step 5, establishing the relationship between the structure network and the function network \u3002 The analysis and research of structural network in this patent can provide clues for medical exploration of autism treatment targets, while the analysis and research of functional network, resting brain local activity and causal network can provide reliable basis for doctors' diagnosis, and the research on the relationship between structural network and functional network is also of important scientific and theoretical significance; it is conducive to early diagnosis and early treatment of autism Therapy is of great social significance. The application field of the invention can be embodied in: (1) diagnosis and treatment of diseases, (2) smoking addiction, Internet addiction, Internet game addiction, and (3) cognitive and other health fields.

【技术实现步骤摘要】
一种青少年脑结构网络和脑功能网络关系模型的分析方法
本专利技术涉及大脑网络构建领域，具体来讲是一种青少年脑结构网络和脑功能网络关系模型的分析方法。
技术介绍
孤独症是在儿童群体中常见的广泛发育障碍的代表性疾病之一。从目前的统计数据来看，孤独症的患病率大约为万分之三左右，其中男孩专利技术率远高于女孩，约为3.5倍。孤独症严重干扰患儿的大脑智力发育和心理正常发育，如不及时加以治疗，患儿将会出现社会交往障碍、与人交流障碍、兴趣狭窄等症状，对患儿的家庭也是一种煎熬。另外，患儿还有并发其他精神类疾病的风险，如约3/4的患儿会存在精神发育迟滞的症状，甚至有1/4-1/3的患儿会同时患有癫痫。甚至部分患儿一方面智力低下，另一方面却在音乐、机械记忆等方面有超常表现。因此，有理由怀疑孤独症患儿的大脑网络相较于正常人出现了异常发展。近半个世纪以来，伴随着核磁共振等大脑成像技术的发展，人类从未如此直观地观察活体大脑——这个已知生命体中最复杂的系统。若能借助这些成像技术，更精确地对孤独症患儿进行早期诊断，将非常有意义，是一件造福全人类的大事。
技术实现思路
因此，为了解决上述不足，本专利技术在此提供一种青少年脑结构网络和脑功能网络关系模型的分析方法。本专利将基于孤独症患儿和正常对照组的磁共振图像数据，试图分析患儿和正常儿童在大脑结构网络和功能网络中的网络差异，为探究孤独症病理学检查方案提供线索。首先将构建起结构网络和功能网络，并引入复杂网络、图论中的理论研究两组之间的差异。之后，对静息态下大脑中的信号活动以及功能对称性进行了分析。之后，根据格兰杰因果检验构建了每个被试的因效网络，并分析了其聚类系数在组间的差异。之后，分析了两组被试对应的结构网络和功能网络中边存在的一致性，以此来分析病人网络出现的异常。最后，通过对三组不同年龄段的正常人被试的结构网络和功能网络中边存在的一致性、聚类系数、局部效率等性质的分析来挖掘结构网络和功能网络之间的关系。本专利技术是这样实现的，构造一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：包括如下步骤；步骤一，建立被试数据信息；步骤二，孤独症大脑结构网络分析；步骤三，孤独症大脑功能网络分析；步骤四，大脑因效性网络分析；步骤五，建立结构网络和功能网络的关系。根据本专利技术所述一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：步骤二孤独症大脑结构网络分析包括如下内容；(2.1)大脑结构网络构建：使用DPARSF软件进行预处理之后得到大脑灰质部分的图像；然后使用AAL90模板将大脑图像按脑区分割成了90个部分；模板中的每个脑区即被定义为结构网络的节点，而任意两个脑区之间的边则被定义为组(ASD/HC)内所有被试的这两个脑区上灰质体积序列的相关系数；其中，某个脑区上的灰质体积是指该脑区上所有体素(Voxel)中的灰质体积的均值；在得到带权值的结构网络之后，按照使网络中没有孤立点且使图密度最小的原则选定阈值得到0-1二值网络；(2.2)置换检验处理；使用随机排列进行计算，具体步骤为：1)，提出H0假设：即孤独症患者组(30例)和正常对照组(79例)来自同一总体，各自的结构网络的聚类系数无显著差异(显著性水平取0.05)；2)，计算初始两组被试结构网络的聚类系数的差值DC0；3)，将两组数据混合，生成N(本专利取200)个随机排列，对于第i个排列，将前30例和后79例分为两组，分别构建结构网络，并计算这两个结构网络的聚类系数的差值DCi；4)，统计这200个差值DC1，DC2，...，DC200中大于DC0的个数M，计算p值为：p＝M/200；5)，作出推断：如果p<0.05，则说明在两组被试样本来自同一总体的假设下，当前样本的出现是不正常的，要拒绝H0假设，即两组被试的聚类系数的差异有统计学意义；否则认为两组被试的聚类系数的差异无统计学意义；(2.3)大脑结构网络分析；在分析复杂网络的全局性质时选取了一系列网络密度(一共18个，从0.10至0.44，步长0.02)，并分析在每个密度阈值下两组结构网络之间的复杂网络属性差异。根据本专利技术所述一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：在(2.3)大脑结构网络分析中，为了分析大脑网络对急性和局灶性损伤的恢复能力，通过删除节点或边的方法来模拟网络遭到破坏时的情形，并通过计算被破坏后网络的性能指标来衡量网络的恢复能力；在删除节点的规则上，使用了三种规则：1)初始状态下，计算各个节点(脑区)在两组被试结构网络中度的均值，并对其进行降序排序，然后按照此顺序依次删除节点，直到删完为止；2)同1)，对各个节点的介数进行降序排列，然后按照此顺序依次删除节点；3)随机删除节点，直到删完为止，进行2000次实验，取均值；在删除边的规则上，首先计算了初始状态下每条边在两组被试结构网络中的边介数的均值，并对其进行降序排序，然后按照此顺序依次删除边；关于遭破坏后的网络的性能度量，本专利尝试了两种指标：1)遭破坏后的网络的全局效率；2)遭破坏后网络中的最大团块的效率；但对于指标2)，实际上，在删除节点的后期，网络中会存在若干由一条边和两个节点组成的团块，根据网络效率的计算公式可知其效率为1；若此时继续删除节点或边，那么在全部删除完之前，剩余网络中总存在一个这样的子网络，于是遭破坏后的网络效率甚至比初始状态的网络效率还要高；在结构网络的局部性质的分析中，使用了保证网络连通的最小密度作为阈值进行分析；结果显示，节点度在某些脑区异常降低，主要有左侧嗅皮质(Olfactory_L)、右侧回直肌(Rectus_R)、右侧舌回(Lingual_R)；人脑的嗅皮质和记忆力密切相关，该区域节点度出现异常降低说明本实验中的孤独症患者组的平均记忆力会低于正常人组；大脑的舌回主要参与视觉记忆的加工和逻辑分析等，该部分出现异常降低说明孤独症患者逻辑分析能力出现退化。根据本专利技术所述一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：步骤三孤独症大脑功能网络分析按照如下方式实施；(3.1)大脑功能网络构建；静息态大脑功能图像原始数据是一组4D图像，使用DPARSF软件进行预处理之后得到拥有146个时间点的4D图像；不同于大脑结构网络，这里每个被试均可以构建起自己的大脑功能网络；首先提取了每个脑区(使用AAL90模板，一共90个)的信号序列，之后计算信号序列之间的皮尔逊相关系数的绝对值表示脑区之间的连接强度，这就完成了权值网络的构建；(3.2)大脑功能网络分析；在此选取了0.04～0.42，步长为0.02的密度阈值区间，一共20个密度阈值，考察在不同密度阈值下0-1功能网络的网络属性差异；(3.3)静息态大脑信号分析；将通过计算两组被试静息态下大脑低频振幅比率和体素的局部一致性来挖掘组间差异，寻找信号异常的脑区；首先使用DPARSF软件提取了每个被试在每个脑区(AAL90模板)上的本文档来自技高网...

【技术保护点】
1.一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：包括如下步骤；/n步骤一，建立被试数据信息；/n步骤二，孤独症大脑结构网络分析；/n步骤三，孤独症大脑功能网络分析；/n步骤四，大脑因效性网络分析；/n步骤五，建立结构网络和功能网络的关系。/n

【技术特征摘要】
1.一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：包括如下步骤；
步骤一，建立被试数据信息；
步骤二，孤独症大脑结构网络分析；
步骤三，孤独症大脑功能网络分析；
步骤四，大脑因效性网络分析；
步骤五，建立结构网络和功能网络的关系。


2.根据权利要求1所述一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：步骤二孤独症大脑结构网络分析包括如下内容；
(2.1)大脑结构网络构建：使用DPARSF软件进行预处理之后得到大脑灰质部分的图像；然后使用AAL90模板将大脑图像按脑区分割成了90个部分；模板中的每个脑区即被定义为结构网络的节点，而任意两个脑区之间的边则被定义为组(ASD/HC)内所有被试的这两个脑区上灰质体积序列的相关系数；其中，某个脑区上的灰质体积是指该脑区上所有体素(Voxel)中的灰质体积的均值；在得到带权值的结构网络之后，按照使网络中没有孤立点且使图密度最小的原则选定阈值得到0-1二值网络；
(2.2)置换检验处理；使用随机排列进行计算，具体步骤为：
1)，提出H0假设：即孤独症患者组(30例)和正常对照组(79例)来自同一总体，各自的结构网络的聚类系数无显著差异(显著性水平取0.05)；
2)，计算初始两组被试结构网络的聚类系数的差值DC0；
3)，将两组数据混合，生成N(本专利取200)个随机排列，对于第i个排列，将前30例和后79例分为两组，分别构建结构网络，并计算这两个结构网络的聚类系数的差值DCi；
4)，统计这200个差值DC1，DC2，...，DC200中大于DC0的个数M，计算p值为：p＝M/200；
5)，作出推断：如果p<0.05，则说明在两组被试样本来自同一总体的假设下，当前样本的出现是不正常的，要拒绝H0假设，即两组被试的聚类系数的差异有统计学意义；否则认为两组被试的聚类系数的差异无统计学意义；
(2.3)大脑结构网络分析；在分析复杂网络的全局性质时选取了一系列网络密度(一共18个，从0.10至0.44，步长0.02)，并分析在每个密度阈值下两组结构网络之间的复杂网络属性差异。


3.根据权利要求2所述一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：在(2.3)大脑结构网络分析中，
为了分析大脑网络对急性和局灶性损伤的恢复能力，通过删除节点或边的方法来模拟网络遭到破坏时的情形，并通过计算被破坏后网络的性能指标来衡量网络的恢复能力；
在删除节点的规则上，使用了三种规则：1)初始状态下，计算各个节点(脑区)在两组被试结构网络中度的均值，并对其进行降序排序，然后按照此顺序依次删除节点，直到删完为止；2)同1)，对各个节点的介数进行降序排列，然后按照此顺序依次删除节点；3)随机删除节点，直到删完为止，进行2000次实验，取均值；
在删除边的规则上，首先计算了初始状态下每条边在两组被试结构网络中的边介数的均值，并对其进行降序排序，然后按照此顺序依次删除边；
关于遭破坏后的网络的性能度量，本专利尝试了两种指标：1)遭破坏后的网络的全局效率；2)遭破坏后网络中的最大团块的效率；但对于指标2)，实际上，在删除节点的后期，网络中会存在若干由一条边和两个节点组成的团块，根据网络效率的计算公式可知其效率为1；若此时继续删除节点或边，那么在全部删除完之前，剩余网络中总存在一个这样的子网络，于是遭破坏后的网络效率甚至比初始状态的网络效率还要高；
在结构网络的局部性质的分析中，使用了保证网络连通的最小密度作为阈值进行分析；结果显示，节点度在某些脑区异常降低，主要有左侧嗅皮质(Olfactory_L)、右侧回直肌(Rectus_R)、右侧舌回(Lingual_R)；人脑的嗅皮质和记忆力密切相关，该区域节点度出现异常降低说明本实验中的孤独症患者组的平均记忆力会低于正常人组；大脑的舌回主要参与视觉记忆的加工和逻辑分析等，该部分出现异常降低说明孤独症患者逻辑分析能力出现退化。


4.根据权利要求1所述一种青少年脑结构网络和脑功能网络关系模型的分析方法，其特征在于：步骤三孤独症大脑功能网络分析按照如下方式实施；
(3.1)大脑功能网络构建；静息态大脑功能图像原始数据是一组4D图像，使用DPARSF软件进行预处理之后得到拥有146个时间点的4D图像；不同于大脑结构网络，这里每个被试均可以构建起自己的大脑功能网络；首先提取了每个脑区(使用AAL90模板，一共90个)的信号序列，之后计算信号序列之间的皮尔逊相关系数的绝对值表示脑区之间的连接强度，这就完成了权值网络的构建；
(3.2)大脑功能网络分析；在此选取了0.04～0.42，步长为0.02的密度阈值区间，一共20个密度阈值，考察在不同密度阈值下0-1功能网络的网络属性差异；
(3.3)静息态大脑信号分析；将通过计算两组被试静息态下大脑低频振幅比率和体素的局部一致性来挖掘组间差异，寻找信号...

【专利技术属性】
技术研发人员：邢建川，丁志新，张栋，王翔，卢胜，孔渝峰，王艺颖，徐志敏，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51