一种基于神经血管耦合脑血流量的预测系统技术方案

本申请公开了一种基于神经血管耦合脑血流量预测系统，包括：结构连接矩阵生成模块，根据弥散张量成像数据得到结构连接矩阵；重新构建局部场电位模块，根据磁共振成像数据和头皮脑电数据建立局部场电位；功能连接矩阵生成模块，根据局部场电位生成功能连接矩阵；脑网络融合矩阵生成模块，将结构连接矩阵和功能矩阵融合生成脑网络融合矩阵；全脑逆向神经质量模型网络生成模块，建立单个逆向神经质量模型并形成全脑逆向神经质量模型网络；神经活动获取模块，根据逆向神经质量模型和局部场电位获取神经活动；脑血流量计算模块，神经活动输入到神经调控血流动力学系统得到脑血流量。通过本申请，提高脑血流量预测准确性，不会对检测对象造成伤害。象造成伤害。象造成伤害。

【技术实现步骤摘要】
一种基于神经血管耦合脑血流量的预测系统


[0001]本申请涉及脑血流量预测
，特别是涉及一种基于神经血管耦合脑血流量的预测系统。

技术介绍

[0002]脑血流量(Cerebral Blood Flow，CBF)是一项描述脑功能和健康的重要指标，其正常循环为脑组织提供氧气与营养物质，维持脑组织的正常功能。同时，CBF的变化也对预防脑血管疾病提供了有力依据。其中神经调控CBF是维持脑功能所必须的重要过程之一，CBF的调节可以通过血管扩张和收缩的方式来实现，此方式取决于血管壁的神经调节作用。此外，神经调控下CBF变化的大小也在侧面体现出神经调控的程度。
[0003]现有技术中，通常利用以下两种方式来进行脑血流量的预测：
[0004]第一种方式，通过检测软件来进行脑血流量的预测，但是通过检测软件会产生有创性以及放射性等，对检测对象造成伤害；而且直接通过检测软件获取脑血流量只能从单一的数据获取脑血流量，如从弥散张量成像数据、磁共振成像数据、头皮脑电数据等，导致数据融合不足，预测的脑血流量数据准确度低。
[0005]第二种方式，可以通过脑血流量数值模拟计算的方法来预测脑血流量，虽然这种方法微观尺度建模较为详细，但只能模拟局部神经血管耦合的机制，宏观模型建模尺度较大，但只能研究脑网络的最终结果变化，无法阐释神经血管耦合的内部机制，宏观模型数据融合不全面，导致得到的结果与真实情况也存在一定误差。

技术实现思路

[0006]基于此，针对上述技术问题，提供一种基于神经血管耦合脑血流量的预测系统，以解决对检测对象造成伤害和预测的脑血流量数据准确度低的问题。
[0007]第一方面，一种基于神经血管耦合脑血流量的预测系统，所述系统包括：
[0008]数据获取模块，用于获取检测对象的弥散张量成像数据、磁共振成像数据、头皮脑电数据；
[0009]结构连接矩阵生成模块，用于基于D
‑
K分区模板对所述弥散张量成像数据进行纤维追踪得到结构连接矩阵；
[0010]重新构建局部场电位模块，用于利用所述磁共振成像数据构建头模型，基于所述头模型构建解剖约束的偶极子源模型；将所述头皮脑电数据输入到所述偶极子源模型重新建立局部场电位；
[0011]功能连接矩阵生成模块，用于对所述局部场电位进行皮尔逊相关系数计算得到功能连接矩阵；
[0012]脑网络融合矩阵生成模块，用于将所述结构连接矩阵和所述功能连接矩阵通过数值融合并设置阈值得到脑网络融合矩阵；
[0013]全脑逆向神经质量模型网络生成模块，用于对所述脑网络融合矩阵中每个节点建
立逆向神经质量模型，基于所述脑网络融合矩阵对每个所述逆向神经质量模型建立构建网络形成全脑逆向神经质量模型网络；
[0014]神经血管耦合的神经活动获取模块，用于对每个逆向神经质量模型输入所述局部场电位获取神经血管耦合的神经活动；所述神经血管耦合的神经活动包括兴奋性突触后电位和抑制性突触后电位；
[0015]脑血流量计算模块，用于将所述神经血管耦合的神经活动输入到神经调控血流动力学系统计算得到所述检测对象的全脑的脑血流量。
[0016]上述方案中，可选地，所述基于D
‑
K分区模板对弥散张量成像数据进行纤维追踪前需对所述弥散张量成像数据进行预处理，包括：所所述数据进行头部矫正、运动矫正、图像尺寸调整、分辨率调整、弥散加权成像计数、外壳计数的一致性调整。
[0017]上述方案中，可选地，所述利用所述磁共振成像数据构建头模型前需对所述磁共振成像数据进行预处理，包括：校正、异源图像配准、图像分割、标准化、平滑处理。
[0018]上述方案中，可选地，所述将所述头皮脑电数据输入到所述偶极子源模型前需对所述头皮脑电数据进行预处理，包括：对所述数据进行导联定位、去除无用导联、重参考、滤波、提取片段、独立成分分析、去噪。
[0019]上述方案中，可选地，所述设置阈值的大小为：所述结构连接矩阵和所述功能连接矩阵平均值。
[0020]上述方案中，可选地，所述计算得到所述检测对象的脑血流量按照以下计算公式计算：
[0021][0022][0023]其中f(t)为脑血流量，t为时间，u
e
(t)为兴奋性突触后电位，u
i
(t)为制性突触后电位，∈是兴奋性神经元活动引起信号增加的效果，μ为抑制性神经元活动引起信号增加的效果，τ
s
为信号衰减或消除的时间常数，s
f
是流量诱导信号，τ
f
为血流自调节反馈的时间常数。
[0024]上述方案中，可选地，所述兴奋性突触后电位和所述抑制性突触后电位通过优化所述逆向神经质量模型内部参数以减小误差。
[0025]上述方案中，进一步可选地，所述逆向神经质量模型内部参数包括：兴奋性突触增益、抑制性突触增益和连接常数。
[0026]第二方面，一种计算机设备，包括存储器和处理器，，所述处理器执行所述计算机程序时实现以下步骤：
[0027]获取检测对象的弥散张量成像数据、磁共振成像数据、头皮脑电数据；
[0028]基于D
‑
K分区模板对所述弥散张量成像数据进行纤维追踪得到结构连接矩阵；
[0029]利用所述磁共振成像数据构建头模型，基于所述头模型构建解剖约束的偶极子源模型；将所述头皮脑电数据输入到所述偶极子源模型重新建立局部场电位；
[0030]对所述局部场电位进行皮尔逊相关系数计算得到功能连接矩阵；
[0031]将所述结构连接矩阵和所述功能连接矩阵通过数值融合并设置阈值生成脑网络融合矩阵；
[0032]对所述脑网络融合矩阵中每个节点建立逆向神经质量模型，基于所述脑网络融合
矩阵对每个所述逆向神经质量模型建立构建网络形成全脑逆向神经质量模型网络；
[0033]对每个逆向神经质量模型输入所述局部场电位获取神经血管耦合的神经活动；所述神经血管耦合的神经活动包括兴奋性突触后电位和抑制性突触后电位；
[0034]将所述神经血管耦合的神经活动输入到神经调控血流动力学系统计算得到所述检测对象的全脑的脑血流量。
[0035]第三方面，一种计算机可读存储介质，其上存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0036]获取检测对象的弥散张量成像数据、磁共振成像数据、头皮脑电数据；
[0037]基于D
‑
K分区模板对所述弥散张量成像数据进行纤维追踪得到结构连接矩阵；
[0038]利用所述磁共振成像数据构建头模型，基于所述头模型构建解剖约束的偶极子源模型；将所述头皮脑电数据输入到所述偶极子源模型重新建立局部场电位；
[0039]对所述局部场电位进行皮尔逊相关系数计算得到功能连接矩阵；
[0040]将所述结构连接矩阵和所述功能连接矩阵通过数值融合并设置阈值生成脑网络融合矩阵；
[0041]对所述脑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经血管耦合脑血流量的预测系统，其特征在于，所述系统包括：数据获取模块，用于获取检测对象的弥散张量成像数据、磁共振成像数据、头皮脑电数据；结构连接矩阵生成模块，用于基于D
‑
K分区模板对所述弥散张量成像数据进行纤维追踪得到结构连接矩阵；重新构建局部场电位模块，用于利用所述磁共振成像数据构建头模型，基于所述头模型构建解剖约束的偶极子源模型；将所述头皮脑电数据输入到所述偶极子源模型重新建立局部场电位；功能连接矩阵生成模块，用于对所述局部场电位进行皮尔逊相关系数计算得到功能连接矩阵；脑网络融合矩阵生成模块，用于将所述结构连接矩阵和所述功能连接矩阵通过数值融合并设置阈值生成脑网络融合矩阵；全脑逆向神经质量模型网络生成模块，用于对所述脑网络融合矩阵中每个节点建立逆向神经质量模型，基于所述脑网络融合矩阵对每个所述逆向神经质量模型建立构建网络形成全脑逆向神经质量模型网络；神经血管耦合的神经活动获取模块，用于对每个逆向神经质量模型输入所述局部场电位获取神经血管耦合的神经活动；所述神经血管耦合的神经活动包括兴奋性突触后电位和抑制性突触后电位；脑血流量计算模块，用于将所述神经血管耦合的神经活动输入到神经调控血流动力学系统计算得到所述检测对象的脑血流量。2.根据权利要求1所述的基于神经血管耦合脑血流量的预测系统，其特征在于，所述基于D
‑
K分区模板对弥散张量成像数据进行纤维追踪前需对所述弥散张量成像数据进行预处理，包括：所所述数据进行头部矫正、运动矫正、图像尺寸调整、分辨率调整、弥散加权成像计数、外壳计数的一致性调整。3.根据权利要求1所述的基于神经血管耦合脑血流量的预测系统，其特征在于，所述利用所述磁共振成像数据构建头模型前需对所述磁共振成像数据进行预处理，包括：校正、异源图像配准、图像分割、标准化、平滑处理。4.根据权利要求1所述的基于神经血管耦合脑血流量的预测系统，其特征在于，所述将所述头皮脑电数据输入到所述偶极子源模型前需对所述头皮脑电数据进行预处理，包括：对所述数据进行导联定位、去除无用导联、重参考、滤波、提取片段、独立成分分析、去噪。5.根据权利要求1所述的基于神经血管耦合脑血流量的预测系统，其特征在于，所述设置阈值的大小为：所述结构连接矩阵和所述功能连接矩阵平均值。6.根据权利要求1所述的基于神经血管耦合脑血流量的预测系统，其特征在于，所述计算得到所述检测对象的脑血流量按照以下计算公式计算：算得到所述检测对象的脑血流量按照以下计算公式计算：其中f(t)为脑血流量，t为时间，u
e
(t)为兴奋性突触后电位，u
i
(t)为制性突触后电位，∈是兴奋性神经元活动引起信号增加的效果，μ为抑制性神经元活动引起信号...

【专利技术属性】
技术研发人员：张丽媛，王同娜，刘有军，李鲍，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：