一种基于联合约束典型相关分析的大脑功能子区划分方法技术

本发明专利技术公开了一种基于联合约束典型相关分析算法的大脑功能子区划分方法，其步骤包括：1、将收集到的功能磁共振图像进行预处理，提取待划分脑区和参考脑区的时序信号，构建数据集；2、通过本发明专利技术提出的联合约束典型相关分析算法，计算出每个子区域对应的权重向量以及参考脑区的权重向量；3、根据子区域对应的权重向量得到待划分脑区中每个体素的隶属度，并根据参考脑区的权重向量得到与该子区域在功能上密切相关的脑区；4、选取每个权重向量中较大权值对应的体素构成一个子区域，作为划分结果。本发明专利技术能同时处理异质性较强的多个受试的功能磁共振成像数据，解决了多个体大脑功能子区的联合划分问题，有助于进一步研究大脑的功能。能。能。

【技术实现步骤摘要】
一种基于联合约束典型相关分析的大脑功能子区划分方法


[0001]本专利技术涉及医学信号处理领域，尤其涉及大脑功能区域划分问题。

技术介绍

[0002]大脑功能连接网络展示了大脑各个区域之间的相互作用，能够提高对大脑的认识，促进对大脑功能的研究和理解。前期的研究表明，大脑连接网络特征可以辅助研究神经系统疾病，例如抑郁症、阿尔茨海默症和帕金森病等。大脑连接网络可以通过脑电图(EEG)、脑磁图(MEG)和功能磁共振成像(functional magnetic resonance imaging，fMRI)等现代神经成像技术进行估计。其中，fMRI因其较高的空间分辨率和无创性而被广泛应用。大脑连接网络构建的关键步骤之一是网络节点的定义。如果在体素水平上选择节点，会导致网络的维数极高，而且容易受到噪声的干扰，使得后续的分析非常困难。更有效的方法是在脑区(region ofinterest，ROI)水平研究大脑连接网络，其中每个ROI对应于网络的一个节点，通常使用区域内所有体素的平均信号代表整个区域的时序活动。
[0003]传统的大脑区域划分方法通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合约束典型相关分析的大脑功能子区划分方法，其特征是按如下步骤进行：步骤一：使用信号采集设备获取S个个体样本长度为T的功能磁共振成像信号并进行预处理后，得到预处理后的功能磁共振信号，并根据实验目标将S个个体预处理后的功能磁共振信号中待划分脑区信号记为X1,X2,...,X
i
,...,X
S
，其中，X
i
表示第i个个体的待划分脑区信号，且第i个个体的待划分脑区信号X
i
的特征维数为P
i
；根据先验知识，针对第i个个体的待划分脑区选择Q个其它大脑区域作为参考脑区，并在预处理后的功能磁共振信号中取每个参考脑区内所有体素的平均信号代表对应参考脑区内的时序活动，从而得到S个个体参考脑区的信号数据集Y1,Y2,...,Y
i
,...,Y
S
，其中，Y
i
表示第i个个体的参考脑区的时序活动，且其特征维数为Q，从而构建样本数据集{{X
i
,Y
i
}|i＝1,2,...,S}；其中，{X
i
,Y
i
}表示第i个样本的数据；步骤二：利用联合约束典型相关分析算法对样本数据集{{X
i
,Y
i
}|i＝1,2,...,S}进行计算，得到对应的K组权重向量其中，表示第i个样本{X
i
,Y
i
}的第k组权重向量；表示第i个个体待划分脑区信号X
i
的第k组权重向量；v
(k)
表示每个个体的参考脑区时序活动的第k组权重向量；步骤三：对第i个个体的第k个子区域，根据第k组权重向量中每个分量的大小得到对应体素的隶属度；将第k组权重向量v
(k)
中每个分量的大小作为第k个子区域在功能上与对应的参考脑区的相关程度；步骤四：设置一个阈值，将第k组权重向量中大于所述阈值的分量所对应的体素划分为第i个个体待划分脑区中的第k个子区域，从而得到第i个个体待划分脑区中的K个有明确边界的子区域，进而得到S个个体待划分脑区中的K个子区域。2....

【专利技术属性】
技术研发人员：刘爱萍，凌钦睿，陈勋，闻捷，刘影，吴枫，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：