基于多模态磁共振图像的脑网络建模与个体预测方法技术

基于多模态磁共振图像的脑网络建模与个体预测方法，具有处理多模态数据的功能，并对不同模态的影像处理提供了统一的输入输出数据格式，促进对多模态影像信息的应用，将不同模态的影像信息进行整合，基于支持向量机，利用多模态数据，对特定问题进行分类训练预测。方法包括：构建T1结构协变脑网络、DTI白质脑网络、fMRI功能脑网络、脑网络分析和计算。可基于已建立的中国人群痴呆队列的样本库，同时构建多模态脑网络并计算各类相关脑网络指标，统一各模态脑网络输出结果格式，便于对多模态脑网络的应用。从多模态脑网络的特征指标中选择信息特征，构建基于支持向量机的轻度认知障碍自动判别分析模型以及脑龄预测模型。动判别分析模型以及脑龄预测模型。动判别分析模型以及脑龄预测模型。

【技术实现步骤摘要】
基于多模态磁共振图像的脑网络建模与个体预测方法


[0001]本专利技术涉及医学图像处理和机器学习应用的
，尤其涉及一种基于多模态磁共振图像的脑网络建模与个体预测方法。

技术介绍

[0002]人脑的结构和功能连接模式是神经科学领域最为关注的研究热点和核心课题之一。最近，国际上已经将人脑网络的构建及拓扑描述称为“人脑连接组学”。通过“人脑连接组学”研究，人们可以全面而细致地了解大脑内部的结构和功能连接模式，改变长久以来研究大脑的方式，即不再将脑视为数量巨大的离散解剖单元，而是由彼此纵横交叉、相互连接的神经元构成的复杂统一体，这为深入理解人脑的工作机理和揭示神经精神疾病的发病机理等重大科学问题提供全新的视角。最近，研究者发现通过分析多模态磁共振图像海量数据，能够获取人脑的结构和功能连接信息，从而构建脑结构网络和脑功能网络。结构连接模式决定了人脑各区域之间沟通和信息传递的方式，而功能连接与人脑不同的活动状态有关，其连接模式可能决定了人脑活动的多样性。人脑的结构和功能网络密不可分，形成了人类认知和行为的神经基础。
[0003]目前的人脑网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：其包括以下步骤：(1)构建T1结构协变脑网络；(2)构建DTI脑结构网络；(3)构建fMRI脑功能网络；(4)脑网络分析和计算；(5)基于多模态脑网络构建脑龄预测模型；其中步骤(1)包括以下分步骤：(1.1)对输入的原始图像进行转格式操作DICOM
‑
>NIFTI；(1.2)对输入图像进行剥头皮操作，去除头皮对大脑影像的影响；(1.3)对大脑图像基于体素进行分区，利用不同模板分为不同脑区；(1.4)进行灰度标准化操作，分割白质；(1.5)提取大脑皮层，基于标准模板进行皮层的配准和分区；(1.6)得到基于皮层厚度的结构协变网络矩阵。2.根据权利要求1所述的基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：所述步骤(2)包括以下分步骤：(2.1)对输入的原始图像进行转格式操作DICOM
‑
>NIFTI；(2.2)头动矫正及涡流矫正，去除扫描过程中被试头动对不同时刻扫描图像的影响；(2.3)基于DTI模型，进行张量和扩散指标的计算，张量主方向为白质纤维走向；(2.4)基于张量追踪出白质纤维束，使用确定性现为追踪算法，将某一体素的张量主方向认定为纤维走向的方向，若其与指向的下一体素的主方向未超过某一设定阈值，则纤维束在此位置为连接的纤维束；(2.5)大脑配准分区，在进行群体平均和群体比较时，个体数据被转换成一个标准化的空间，以解释大脑大小、形状和解剖结构的差异性，先将该被试的T1结构像配准到其DTI图像上，使得各个脑区位置相互对应，再将完成配准的图像配准到标准空间，对从DTI到标准图像的变换矩阵取逆，将去逆变换应用到已经处理完的标准分区文件上，进而得到被试的大脑分区；(2.6)将每个被试构建的纤维束与大脑分区结合，计算各个脑区间纤维连接数目，得到脑网络矩阵。3.根据权利要求2所述的基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：所述步骤(3)包括以下分步骤：(3.1)对输入的原始图像进行转格式操作DICOM
‑
>NIFTI；(3.2)去除前5—10个时间点图像，达到磁化平衡；(3.3)时间矫正，通过调用SPM12函数来执行R
‑
fMRI数据集切片定时校正；(3.4)图像重排列，将单个图像重新排列，使大脑每个体积的每个部分处于相同的位置，通过调用SPM12...

【专利技术属性】
技术研发人员：舒妮，付安国，张占军，韩璎，马国林，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：