一种基于比例因果的大脑效率网络分析方法及系统技术方案

本申请涉及脑区数据分析技术领域，解决了现有技术中分析结论不准确、忽略了因子间比例性作用的问题，公开了一种基于比例因果的大脑效率网络分析方法及系统，该方法包括：生成仿真血氧水平依赖信号，对仿真血氧水平依赖信号进行卷积、掺噪和下采样处理，采集不同程度认知障碍患者的大脑影像数据并进行切片、对准、去噪和归一化处理，将大脑分为360个大脑皮层脑区，并分别提取不同脑区间的真实血氧水平依赖信号i和j，每两个大脑皮层脑区之间根据比例因果计算公式计算E值，以得出360х360大小的效率网络矩阵，本申请采用脑区间血氧水平依赖信号比例因子信息，提高了大脑效率网络分析准确度，有利于改进功能性退化大脑在早期病变阶段的识别能力。段的识别能力。段的识别能力。

【技术实现步骤摘要】
一种基于比例因果的大脑效率网络分析方法及系统


[0001]本申请涉及脑区数据分析
，尤其是一种基于比例因果的大脑效率网络分析方法及系统。

技术介绍

[0002]生成大脑效率网络的现有方法如图1所示，首先是采集大脑功能性磁共振数据fMRI(functional MRI)，采用格兰杰时间序列分析方法对不同脑区中的血氧水平依赖信号(BOLD)进行回归建模，分析不同因子作用下的信号拟合误差是否低于单一因子情况。如果该误差下降，则认为其他因子对该脑区信号有显著的方向性作用；如果该误差上升，则认为其他因子的引入，会以噪声的方式掺杂，对准确提取脑信号起到反作用；如果该误差不变，则认为其他因子与当前脑区无关联。
[0003]主要缺陷在于：(1)采用这种分析方法构建的有向、加权大脑效率网络，仅仅考虑了误差信息在模型评估中的作用，而事实证明，这种分析结论不准确，有时甚至错误。该方法仅适用于经济学领域时间序列分析，对大脑fMRI时间序列的分析能力有限；(2)该方法忽略了因子间比例性作用，容易出现“大数吃小数”现象，导致大脑效率网络定义失败。

技术实现思路

[0004]本申请的目的在于克服现有技术中分析结论不准确、忽略了因子间比例性作用的问题，提供一种基于比例因果的大脑效率网络分析方法及系统。
[0005]第一方面，提供了一种基于比例因果的大脑效率网络分析方法，包括：
[0006]仿真大脑血氧水平依赖信号并生成时间序列X和时间序列Y，其中，所述时间序列X和时间序列Y互为因果效应因子，时间序列X强作用于时间序列Y或时间序列X弱作用于时间序列Y，以仿真大脑中不同脑区间的功能性相互作用；
[0007]将所述时间序列X、时间序列Y与血液动力函数卷积，再加入15
‑
25％高斯白噪声，并以0.07
‑
0.13倍率下采样；
[0008]采集不同程度认知障碍患者的大脑影像数据，将所述大脑影像数据的结构性和功能性磁共振数据进行切片、对准、去噪和归一化处理，以得到归一化的磁共振数据；
[0009]采用HCP
‑
MMP方法和J
‑
HCP
‑
MMP方法对归一化的磁共振数据进行预处理，以将大脑分为360个大脑皮层脑区，并分别提取不同脑区间的真实血氧水平依赖信号i和j；
[0010]根据比例因果计算公式计算真实脑区i和j之间、仿真脑区X和Y之间的效率网络E，对360个大脑皮层脑区间大脑血氧水平依赖信号，每两个大脑皮层脑区之间根据比例因果计算公式计算E值，以得出360х360大小的效率网络矩阵，所述效率网络矩阵用于评估大脑效率网络连通性的特征。
[0011]优选的，将所述时间序列X、时间序列Y与血液动力函数卷积，再加入20％高斯白噪声，并以0.1倍率下采样。
[0012]进一步的，所述比例因果计算公式为：
[0013][0014]其中，E是效率网络,Bi和Bj是指两个脑区，a是最小二乘法拟合后的模型系数，k、i、j，h指脑区序号，t是时间，m是滞后因子长度，N是采样数量，S是真实或仿真的大脑血氧水平依赖信号。
[0015]具体的，所述不同程度认知障碍患者包括早期轻度认知障碍患者、晚期轻度认知障碍患者、阿尔兹海默症患者和健康对照者。
[0016]具体的，所述HCP
‑
MMP方法基于分类器的自适应脑分区方法实现在统一坐标空间和分区规范下进行因人而异的分区，以在功能性退变早期精准定位病灶，所述J
‑
HCP
‑
MMP方法是将结构性和功能性磁共振数据首先映射到CIFTI灰度空间，再通过HCP的处理框架对该空间下的皮层顶点和皮下组织进行分区。
[0017]第二方面，提供了一种基于比例因果的大脑效率网络分析系统，包括：
[0018]仿真信号生成模块，用于仿真大脑血氧水平依赖信号并生成时间序列X和时间序列Y，其中，所述时间序列X和时间序列Y互为因果效应因子，时间序列X强作用于时间序列Y或时间序列X弱作用于时间序列Y，以仿真大脑中不同脑区间的功能性相互作用；
[0019]仿真信号处理模块，用于将所述时间序列X、时间序列Y与血液动力函数卷积，再加入15
‑
25％高斯白噪声，并以0.07
‑
0.13倍率下采样；
[0020]采集与数据处理模块，用于采集不同程度认知障碍患者的大脑影像数据，将所述大脑影像数据的结构性和功能性磁共振数据进行切片、对准、去噪和归一化处理，以得到归一化的磁共振数据；
[0021]分区与提取模块，用于采用HCP
‑
MMP方法和J
‑
HCP
‑
MMP方法对归一化的磁共振数据进行预处理，以将大脑分为360个大脑皮层脑区，并分别提取不同脑区间的真实血氧水平依赖信号i和j；
[0022]计算模块，用于根据比例因果计算公式计算真实脑区i和j之间、仿真脑区X和Y之间的效率网络E，对360个大脑皮层脑区间大脑血氧水平依赖信号，每两个大脑皮层脑区之间根据比例因果计算公式计算E值，以得出360х360大小的效率网络矩阵，所述效率网络矩阵用于评估大脑效率网络连通性的特征。
[0023]进一步的，还包括分析模块，用于对所述效率网络矩阵进行方差分析和非参检验统计分析，以观察大脑效率网络的显著特性。
[0024]具体的，所述比例因果计算公式为：
[0025][0026]其中，E是效率网络,Bi和Bj是指两个脑区，a是最小二乘法拟合后的模型系数，k、i、j，h指脑区序号，t是时间，m是滞后因子长度，N是采样数量，S是真实或仿真的大脑血氧水平依赖信号。
[0027]第三方面，提供了一种计算机可读存储介质，所述计算机可读介质存储用于设备执行的程序代码，该程序代码包括用于执行如第一方面中的任意一种实现方式中方法的步骤。
[0028]第四方面，提供了一种电子设备，所述电子设备包括处理器、存储器及存储在所述
存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中的任意一种实现方式中的方法。
[0029]本申请具有如下有益效果：本申请采用脑区间血氧水平依赖信号比例因子信息，从“比例因果”出发，根据因子间的比例成分，来确定彼此相互影响的程度，本申请用于大脑效率网络的构建与分析，定义了较为准确的效率关联，能够提高大脑效率网络分析准确度，有利于改进功能性退化大脑在早期病变阶段的识别能力。
附图说明
[0030]构成本申请的一部分的附图用于来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0031]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于比例因果的大脑效率网络分析方法，其特征在于，包括：仿真大脑血氧水平依赖信号并生成时间序列X和时间序列Y，其中，所述时间序列X和时间序列Y互为因果效应因子，时间序列X强作用于时间序列Y或时间序列X弱作用于时间序列Y，以仿真大脑中不同脑区间的功能性相互作用；将所述时间序列X、时间序列Y与血液动力函数卷积，再加入15
‑
25％高斯白噪声，并以0.07
‑
0.13倍率下采样；采集不同程度认知障碍患者的大脑影像数据，将所述大脑影像数据的结构性和功能性磁共振数据进行切片、对准、去噪和归一化处理，以得到归一化的磁共振数据；采用HCP
‑
MMP方法和J
‑
HCP
‑
MMP方法对归一化的磁共振数据进行预处理，以将大脑分为360个大脑皮层脑区，并分别提取不同脑区间的真实血氧水平依赖信号i和j；根据比例因果计算公式计算真实脑区i和j之间、仿真脑区X和Y之间的效率网络E，对360个大脑皮层脑区间大脑血氧水平依赖信号，每两个大脑皮层脑区之间根据比例因果计算公式计算E值，以得出360х360大小的效率网络矩阵，所述效率网络矩阵用于评估大脑效率网络连通性的特征。2.根据权利要求1所述的基于比例因果的大脑效率网络分析方法，其特征在于，将所述时间序列X、时间序列Y与血液动力函数卷积，再加入20％高斯白噪声，并以0.1倍率下采样。3.根据权利要求1所述的基于比例因果的大脑效率网络分析方法，其特征在于，所述比例因果计算公式为：其中，E是效率网络,Bi和Bj是指两个脑区，a是最小二乘法拟合后的模型系数，k、i、j，h指脑区序号，t是时间，m是滞后因子长度，N是采样数量，S是真实或仿真的大脑血氧水平依赖信号。4.根据权利要求1所述的基于比例因果的大脑效率网络分析方法，其特征在于，所述不同程度认知障碍患者包括早期轻度认知障碍患者、晚期轻度认知障碍患者、阿尔兹海默症患者和健康对照者。5.根据权利要求1所述的基于比例因果的大脑效率网络分析方法，其特征在于，所述HCP
‑
MMP方法基于分类器的自适应脑分区方法实现在统一坐标空间和分区规范下进行因人而异的分区，以在功能性退变早期精准定位病灶，所述J
‑
HCP
‑
MMP方法是将结构性和功能性磁共振数据首先映射到CIFTI灰度空间，再通过HCP的处理框架...

【专利技术属性】
技术研发人员：王博丞，
申请(专利权)人：浙江传媒学院，
类型：发明
国别省市：