【技术实现步骤摘要】
本专利技术涉及经颅磁治疗仪领域，特别涉及异常指数生成方法、电子设备及可读存储介质。
技术介绍
1、基于健康群体的脑影像数据进行个体大脑异常检测的技术有助于对多种脑疾病的潜在病灶进行快速识别和定位(即异常区域检测)。
2、目前进行异常区域检测的方法通常有以下两种：(1)量表评估方法，其通过对被试个体主诉症状采用相关的自评量表或他评量表计算得分，之后基于量表得分判断被试个体是否具有某种脑功能缺陷，继而推测与此相关联的脑区可能存在的病变。量表评估方法的缺陷在于：传统的量表评估方法对脑和血管病变的脑功能机制未充分考虑，且其很容易受到被试个体当时状态和测评人员的主观因素的影响；(2)影像读片评估方法，其通过对被试个体的神经影像进行仔细观察，结合读片人员之经验，对脑疾病病变位置、性质、大小和数量等信息作出判断。影像读片评估方法的缺陷在于：影像读片评估方法受限于读片人员的自身经验；对于非结构性的异常脑功能区很难直接通过影像读片进行准确定位；同时对于具有明显症状的异常脑区可能累及的其他脑区很难通过影像读片进行准确推断。
3、由此可见，当前对具有明显症状的异常脑区和被其累及的其他脑区尚无同时具备无风险、快速可靠的技术手段进行脑异常区域定位的方法。
4、因此，本专利技术提供了一种至少能够安全、快速定位脑异常区域的异常指数生成方法、电子设备及可读存储介质。
技术实现思路
1、为了解决现有技术中存在的上述问题和缺陷的至少一个方面，本专利技术提供了一种用于个体脑的异常指数
2、本专利技术的一个目的是提供了一种异常指数生成方法。
3、本专利技术的另一目的是提供了一种电子设备。
4、本专利技术的还一目的是提供了一种可读存储介质。
5、根据本专利技术的一个方面，提供了一种用于个体脑的异常指数生成方法，所述异常指数生成方法包括以下步骤：
6、基于健康群体的全脑的多个感兴趣区域生成每个健康受试者的脑连接矩阵；
7、基于所有的健康受试者的所述脑连接矩阵生成群体评估矩阵；
8、基于处于异常状态的个体受试者的全脑的多个感兴趣区域生成个体受试者的脑连接矩阵；
9、基于所述个体受试者的脑连接矩阵生成个体关系指标矩阵；
10、基于所述群体评估矩阵和所述个体关系指标矩阵生成个体受试者的异常指数矩阵。
11、具体地，所述群体评估矩阵包括平均值矩阵和标准差矩阵，
12、基于所述平均值矩阵、标准差矩阵和所述个体关系矩阵生成所述异常指数矩阵。
13、优选地，所述异常指数矩阵的表达式为：
14、
15、其中，p_z(n)表示所述异常指数矩阵，corr_mean(n)表示所述平均值矩阵，corr_std(n)表示所述标准差矩阵，p_corr(n)表示所述个体关系矩阵，n表示个体受试者的全脑中的第n个感兴趣区域，且1≤n≤n，n表示个体受试者的全脑中的感兴趣区域的总数。
16、进一步地，所述所有的健康受试者的脑连接矩阵之间的行数相同，且所述所有的健康受试者的脑连接矩阵之间的列数相同，
17、基于所有的健康受试者的脑连接矩阵生成群体评估矩阵，包括以下步骤：
18、将所有的健康受试者的脑连接矩阵求和以生成健康群体的和值矩阵；
19、将所述和值矩阵中的每个元素除以所有的健康受试者的脑连接矩阵的总数以生成所述健康群体的平均值连接矩阵；
20、计算所述每个健康受试者的脑连接矩阵与平均值连接矩阵之间的关系指标，以获得每个健康受试者的群体关系矩阵；
21、基于所有的所述群体关系矩阵计算平均值和标准差以获得所述平均值矩阵和所述标准差矩阵。
22、进一步地，所述群体关系矩阵为对所述每个健康受试者的脑连接矩阵与所述平均值连接矩阵之间进行相关性分析，获得以它们之间相关程度值作为元素的矩阵；或
23、所述群体关系矩阵为对所述每个健康受试者的脑连接矩阵与所述平均值连接矩阵之间进行距离分析，获得以它们之间的距离关系作为元素的矩阵。
24、具体地，计算所述个体受试者的脑连接矩阵与所述平均值连接矩阵之间的关系指标，获得所述个体关系矩阵。
25、优选地，所述关系指标为所述个体受试者的脑连接矩阵与所述平均值连接矩阵之间进行相关性分析得到的它们之间的相关程度值；
26、所述关系指标为所述个体受试者的脑连接矩阵与所述平均值连接矩阵之间进行距离分析得到的它们之间的距离关系。
27、进一步地，当所述每个健康受试者的脑连接矩阵为脑结构连接矩阵，且所述个体受试者的脑连接矩阵为脑结构连接矩阵时，所述异常指数矩阵中的每个元素表示个体受试者的感兴趣区域的脑结构连接异常指数，
28、当所述每个健康受试者的脑连接矩阵为脑功能连接矩阵，且所述个体受试者的脑连接矩阵为脑功能连接矩阵时，所述异常指数矩阵中的每个元素表示个体受试者的感兴趣区域的脑功能连接异常指数。
29、进一步地，所述每个健康受试者的脑结构连接矩阵中的每个元素表示同一健康受试者的两两感兴趣区域之间结构连接关系的指标，
30、所述个体受试者的脑结构连接矩阵中的每个元素表示该个体受试者的两两感兴趣区域之间结构连接关系的指标，
31、所述每个健康受试者的脑结构连接矩阵中的指标与所述个体受试者的脑结构连接矩阵中的指标为同类指标，
32、所述结构连接关系的指标包括纤维束连接数量、纤维束连接密度、纤维束连接概率、纤维束连接强度和纤维束各向异性分数中的至少一个。
33、具体地，所述每个健康受试者的脑功能连接矩阵中的每个元素表示同一健康受试者的两两感兴趣区域之间功能连接关系的指标，
34、所述个体受试者的脑功能连接矩阵中的每个元素表示该个体受试者的两两感兴趣区域之间功能连接关系的指标，
35、所述每个健康受试者的脑功能连接矩阵中的指标与所述个体受试者的脑功能连接矩阵中的指标为同类指标，
36、所述功能连接关系的指标包括皮尔逊相关系数、斯皮尔曼秩相关系数、欧式距离、同步似然指数和相干性中的至少一个。
37、进一步地，所述多个感兴趣区域为基于像素划分的感兴趣区域、基于脑模板划分的感兴趣区域或基于再分析数据结果划分的感兴趣区域。
38、根据本专利技术的另一方面，本专利技术还提供了一种电子设备，其中，
39、所述电子设备包括存储器和至少一个处理器，所述存储器与所述至少一个处理器通信连接，所述存储器中存储有程序或指令，所述程序或指令被所述至少一个处理器执行时，所述电子设备用于实现如上述任一项所述的异常指数生成方法。
40、根据本专利技术的还一方面，提供了一种可读存储介质，其中，
41、所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时以执行上述任一项所述的异常指数生本文档来自技高网...
【技术保护点】
1.一种异常指数生成方法，所述异常指数生成方法包括以下步骤：
2.根据权利要求1所述的异常指数生成方法，其中，
3.根据权利要求2所述的异常指数生成方法，其中，
4.根据权利要求2或3所述的异常指数生成方法，其中，
5.根据权利要求4所述的异常指数生成方法，其中，
6.根据权利要求4所述的异常指数生成方法，其中，
7.根据权利要求6所述的异常指数生成方法，其中，
8.根据权利要求1-3中任一项所述的异常指数生成方法，其中，
9.根据权利要求8所述的异常指数生成方法，其中，
10.根据权利要求8所述的异常指数生成方法，其中，
11.根据权利要求1-3中任一项所述的异常指数生成方法，其中，
12.一种电子设备，其特征在于，
13.一种可读存储介质，其特征在于，
【技术特征摘要】
1.一种异常指数生成方法，所述异常指数生成方法包括以下步骤：
2.根据权利要求1所述的异常指数生成方法，其中，
3.根据权利要求2所述的异常指数生成方法，其中，
4.根据权利要求2或3所述的异常指数生成方法，其中，
5.根据权利要求4所述的异常指数生成方法，其中，
6.根据权利要求4所述的异常指数生成方法，其中，
7.根据权利要求...
【专利技术属性】
技术研发人员：王也喆，付晓璇，
申请(专利权)人：北京银河方圆科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。