【技术实现步骤摘要】
本专利技术涉及神经影像，具体是一种功能磁共振大脑皮层的分区方法及系统。
技术介绍
1、脑分区根据细胞类型、解剖学和功能特征将人脑划分为不同的亚区，是过去100多年来人们一直追求的目标。生成的大脑分区图谱，不仅有助于公平地比较不同实验结果，促进研究者间的交流，也揭示了脑的组织原理，有助于更好地理解脑部功能和疾病。同时，神经科学家能够测量大脑独特的地形（topography）特征，如子区大小和数量等。此外，作为一种数据缩减策略，脑分区对于后续数据分析和生理测量至关重要，例如提取更均匀的脑信号、测量准确的脑连接/网络以及指导精确的手术靶点。
2、基于大脑的连接模式划分功能同质子区是一种常见的脑分区手段，通常采用两种策略：1）局部分区：典型的边界映射（boundary mapping）方法通过边缘检测技术定位局部连接模式发生突然空间变化的位置来描绘脑区边界；2）全局分区：典型的聚类（clustering）方法将全局空间中具有相似连接模式的体素/顶点划分为同一个子区。边界映射算法可以产生符合组织学定义的空间连续子区，但是通常需要设置边界阈值，但是局部边界的差异性无法明确保证子区内部的功能相似性。而聚类算法，由于其明确的目标函数，可以生成更均匀同质的子区，但是无法保证子区的连续性，且需要设置子区数量。上述两种最常用的脑分区方法已被广泛用于脑认知和脑疾病研究，包括个体水平的分区以及基于平均功能连接或者两步（2-level）法的组水平分区，然而，跨个体间以及组和个体间的子区标签对齐仍然是一个巨大挑战。
3、综上所述，现有
技术实现思路
1、为了避免和克服现有技术中存在的技术问题，本专利技术提供了一种功能磁共振大脑皮层的分区方法及系统。本专利技术通过结合边界映射和聚类以进行脑分区划分，将大脑划分成具有高同质性的连续子区。
2、为实现上述目的，本专利技术提供如下技术方案：
3、本专利技术公开一种功能磁共振大脑皮层的分区方法，包括以下步骤，即s1-s4。
4、s1.获取一组被试个体的磁共振数据，并对每名被试个体的磁共振数据中的fmri图像进行预处理以得到各被试个体的全脑信号。
5、s2.根据各被试个体的全脑信号，采用边界映射方法进行子区划分，得到组水平的粗略分区结果。
6、s3.基于层次聚类思想对粗略分区结果进行子区合并，以生成组水平的最终分区结果；其中，组水平的最终分区结果包含了空间连续的同质功能子区，且子区之间保留不同尺度下脑区划分的层次结构。
7、s4.利用组水平最终分区结果引导个体水平的分区。
8、作为上述方案的进一步改进，步骤s2包括以下具体步骤：
9、s21.计算每名被试个体的全脑信号与其在降维后信号的功能连接，据此计算每名被试个体的全脑连接模式矩阵。
10、s22.平均所有被试个体的全脑连接模式矩阵，以获得组平均全脑连接模式矩阵。
11、s23.对组平均全脑连接模式矩阵进行主成分分解，保留前三个主成分并计算各自的空间梯度。
12、s24.对前三个主成分空间梯度的边界进行融合，并将融合结果转换成脑分区。
13、s25.根据最近邻顶点的标签对融合后的脑分区进行边界填充，获得组水平的粗略分区结果。
14、作为上述方案的进一步改进，
15、步骤s21中，被试个体的全脑信号与其在降维后信号的功能连接的计算公式为：
16、
17、式中， i=1,2,…, n； n为皮层顶点数量； k=1,2,…, n’； n’为降维后皮层顶点数量； x ik为皮层顶点 i和降维后皮层顶点 k的功能连接； s i为皮层顶点 i的信号；为降维后皮层顶点 k的信号；表示向量内积；
18、每名被试个体的全脑连接模式矩阵的计算公式为：
19、
20、其中，为皮层顶点 i和 j的连接模式， j=1,2,…, n；；； x jk表示皮层定点 j和降维后皮层顶点 k的功能连接。
21、作为上述方案的进一步改进，步骤s24中，对前三个主成分空间梯度的边界进行融合的方法包括以下具体步骤：
22、s241.使用分水岭算法分别计算前三个主成分空间梯度各自的边界，进而获取对应的皮层分区图；
23、s242.将三个主成分的皮层分区图分别转换成分区邻接图和边界邻接，计算公式如下：
24、
25、其中，为的第 i行 j列元素；为的第 i行 j列元素；为第 m个主成分中皮层顶点 i的分区；为第 m个主成分中皮层顶点 i的分区；
26、 m=1,2,3；
27、s243.根据步骤s242中的两种邻接图计算得到初步融合结果 a+和 a-，计算公式如下：
28、
29、其中，为 a+的第 i行 j列元素；为 a-的第 i行 j列元素；
30、s244.对初步融合结果 a+和 a-做进一步融合，得到二次融合结果 a，计算公式如下： 本文档来自技高网...
【技术保护点】
1.一种功能磁共振大脑皮层的分区方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤S2包括以下具体步骤：
3.根据权利要求2所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤S21中，被试个体的全脑信号与其在降维后信号的功能连接的计算公式为：
4.根据权利要求3所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤S24中，对前三个主成分空间梯度的边界进行融合的方法包括以下具体步骤：
5.根据权利要求4所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤S241中，计算主成分空间梯度的边界的过程为：
6.根据权利要求2所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤S3包括以下具体步骤：
7.根据权利要求6所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤S4包括以下具体步骤：
8.根据权利要求1所述的一种功能磁共振大脑皮层的分区方法，其特征在于，每名被试个体的磁共振数据中还包括T1结构像；步骤S1中，还对每名被试
9.根据权利要求8所述的一种功能磁共振大脑皮层的分区方法，其特征在于，对每名被试个体的磁共振数据中的fMRI图像进行预处理的方法包括以下步骤：
10.一种功能磁共振大脑皮层的分区系统，其特征在于，用于实现如权利要求1至9中任一项所述的一种功能磁共振大脑皮层的分区方法；所述分区系统包括：
...【技术特征摘要】
1.一种功能磁共振大脑皮层的分区方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤s2包括以下具体步骤：
3.根据权利要求2所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤s21中，被试个体的全脑信号与其在降维后信号的功能连接的计算公式为：
4.根据权利要求3所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤s24中，对前三个主成分空间梯度的边界进行融合的方法包括以下具体步骤：
5.根据权利要求4所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤s241中，计算主成分空间梯度的边界的过程为：
6.根据权利要求2所述的一种功能磁共振大脑皮层的分区方法，其特征在于，步骤s3包括以下具体步骤：
7....
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。