多模态连接模式的脑区划分方法技术

本发明专利技术公开了一种多模态连接模式的脑区划分方法。本发明专利技术.一种多模态连接模式的脑区划分方法，包括：在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时获得个体水平和组水平的结果。本发明专利技术的有益效果：整合了两种磁共振成像数据模态下基于连接模式进行脑区划分的流程，并提出了具体的集成化软件的开发方法。

【技术实现步骤摘要】
多模态连接模式的脑区划分方法
本专利技术涉及脑区划分领域，具体涉及一种多模态连接模式的脑区划分方法。
技术介绍
神经影像数据是脑科学研究的基石。随着磁共振成像设备的不断改良和成像方法的逐渐优化，磁共振成像数据不管是在空间分辨率还是时间分辨率中都得到了一定程度的改善。例如，当所需的研究数据以突出空间分辨率为主时，体素的大小将精确到毫米级甚至更高的精细度。同时，当所需的研究数据以突出时间分辨率为主时，快速成像技术的优化和成像设备的硬件条件的改良也能带来时间分辨率的提高。然而，值得注意的是，当MRI数据的空间分辨率和时间分辨率较高时，数据的量级也会呈现出较大的增长。除去为了提高数据分辨率而带来的数据量级的增长外，MRI数据本身的量级也十分庞大。在进行磁共振成像时，在只考虑空间分辨率的情况下，假设体素的大小设置为1mm的立方体，那么进行磁共振扫描后的MRI数据的量级最小将是108。在考虑时间维度的情况下，MRI数据的量级将更大。此外，在进行MRI数据的预处理和后续分析时，中间过程所产生的中间数据和日志文件等也将为数据的存储和计算带来较大的负担。因此，基本文档来自技高网...

【技术保护点】
1.一种多模态连接模式的脑区划分方法，其特征在于，包括：/n在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时获得个体水平和组水平的结果，标准步骤如下。/nfMRI图像的预处理；/n从标准空间提取ROI；/n将ROI从标准空间配准到个体空间；/n在个体空间中计算体素的连接矩阵；/n在个体空间中基于连接矩阵进行聚类；/n基于聚类结果进行个体水平的脑区标记；/n将每个个体水平的脑区划分结果反向配准到标准空间；/n在标准空间中计算组水平的脑区划分结果；/n在基于弥散张量成像的脑区划分中，为了得到组水平...

【技术特征摘要】
1.一种多模态连接模式的脑区划分方法，其特征在于，包括：
在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时获得个体水平和组水平的结果，标准步骤如下。
fMRI图像的预处理；
从标准空间提取ROI；
将ROI从标准空间配准到个体空间；
在个体空间中计算体素的连接矩阵；
在个体空间中基于连接矩阵进行聚类；
基于聚类结果进行个体水平的脑区标记；
将每个个体水平的脑区划分结果反向配准到标准空间；
在标准空间中计算组水平的脑区划分结果；
在基于弥散张量成像的脑区划分中，为了得到组水平的平均值，也需要将个体脑区划分的结果传播到标准空间中，然后再在标准空间中获得组水平的结果，基于弥散张量成像进行脑区划分的完整流程如下：
DWI图像的预处理；
从标准空间提取ROI；
将ROI从标准空间配准到个体空间；
基于DWI图像计算ROI内体素的弥散张量；
基于弥散张量进行神经纤维追踪；
基于神经纤维追踪的结果计算ROI内体素的连接矩阵；
在个体空间中基于连接矩阵进行聚类；
基于聚类结果进行个体水平的脑区标记；
将每个个体水平的脑区划分结果反向配准到标准空间；
在标准空间中计算组水平的脑区划分结果；
是基于两种磁共振成像模态的数据，实现数据文件的读取和保存，然后根据两种连接模式的脑区划分流程自动化地进行个体和组水平的脑区划分并记录中间结果，最后实现脑区划分结果的可视化和中间结果的可视化。


2.如权利要求1所述的多模态连接模式的脑区划分方法，其特征在于，从标准空间提取ROI，具体包括：先读取大脑模板的数据文件，大脑模板的数据文件中包含所有体素的空间坐标文件；然后根据输入的ROI区域从大脑模板的数据文件中复制ROI区域的坐标文件到工作目录下。


3.如权利要求1所述的多模态连接模式的脑区划分方法，其特征在于，fMRI图像数据的预处理是在SPM和REST软件中完成的；只需要向SPM和REST软件提供所需要处理的图像数据地...

【专利技术属性】
技术研发人员：高超宏，彭力，谢林柏，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32