【技术实现步骤摘要】
本专利技术属于脑学科领域，涉及与个体症状相关的特定神经环路映射技术，主要针对由不同疾病引起的记忆功能障碍问题的基于多模态磁共振定位记忆功能相关刺激靶的方法。
技术介绍
1、近年来，为进一步解决由中枢神经改变引发的功能障碍，神经调控技术从脑康复的角度出发，已成为突破传统康复瓶颈的主流手段。神经环路的重建是完整和增效的神经功能康复的基础，可最大发挥神经激活和神经重构潜能。目前对于记忆功能障碍的常规神经调控治疗大多是对背外侧前额叶、楔前叶、顶叶等与记忆相关的皮质脑区进行单靶点刺激。但大脑对记忆的存储呈分布式，不同记忆信息存储在不同脑区，涉及不同的记忆系统。单靶点神经调控存在技术缺陷，无法实现神经环路的精准调控以提高疗效。因此，多靶点协同刺激创新调控技术为增强的康复策略提供了可能性。
2、脑功能康复的核心是特定神经环路的重塑，“皮质-海马”的神经环路受损是记忆障碍的重要机制。而目前常规神经调控治疗大多是对与记忆功能相关脑区进行单靶点刺激，不能调控该特定神经环路。对于“皮质-海马”神经环路缺乏个体化精准化定位方法，且常规神经调控治疗无法干预皮层下深部核团，无法干预皮层-皮层下核团的神经环路。
3、并且现有基于fmri信号时间相关获得的功能网络存在一定局限性，在大多数功能网络构建中，只考虑功能连接，而没有加入结构因素。大多功能网络的节点是基于局部脑区功能活动、功能连接或经典功能网络来定义。事实上，没有结构基础的大脑区域之间的功能连接对大脑网络功能的贡献可能是有限的，这种方法可能会在脑网络中产生冗余信息，不能反映脑网络
技术实现思路
1、本专利技术提供一种基于多模态磁共振定位记忆功能相关刺激靶的方法，以解决常规神经调控治疗大多是对与记忆功能相关的皮质脑区进行单靶点刺激，不能调控与症状相关的特定神经环路的技术问题。
2、本专利技术所采用的技术方案为：
3、一种基于多模态磁共振定位记忆功能相关刺激靶的方法，步骤为：
4、s1，获得患者脑部的多模态磁共振数据，包括dti数据、t1数据和bold序列数据；
5、所述的dti数据是从弥散张量成像dti图像中获得；并且对dti数据先进行预处理，所述的预处理包括但不限于涡流校正、基于b0图像去除非脑组织、拟合张量模型、基于每个张量模型的三个特征值，配准时使用t1数据，逐个体素计算弥散属性指标值；
6、所述的bold序列数据是从血氧水平依赖脑功能成像bold-fmri图像中获得；对bold序列数据的预处理包括但不限于去除不稳定时间点、时间层校正、头动校正、高斯平滑、去线性漂移、带通滤波。
7、s2，以海马为种子点、皮质脑区为目标进行dti概率性纤维追踪，获得海马与大脑皮质有纤维连接的体素，并按一定的筛选条件选取存在纤维连接的皮质脑区作为皮质-海马网络的节点；所述体素的筛选条件为体素＞10且具有纤维连接的皮质脑区。
8、s3，使用bold序列数据，计算皮质-海马网络各节点的节点属性，并选取与记忆功能相关的节点作为皮质-海马神经环路的皮质刺激点；
9、s4，确定海马的皮质间接调控靶点；
10、将海马整个核团中与大脑皮质有连接的所有体素为种子点进行功能连接计算，选出与之功能连接最强的皮质脑区，作为海马的皮质间接调控点。
11、作为本专利技术的优选方案，所述皮质-海马网络节点的节点属性的计算步骤为：
12、s31，构建皮质-海马网络节点的功能连接矩阵：
13、对皮质-海马网络的所有节点之间的时间序列进行皮尔逊pearson相关，得到不同节点之间的时间序列相关参数表征的功能连接矩阵，对功能连接矩阵进行标准化后用做皮质-海马网络的边；所述的功能连接矩阵中的元素都是皮质脑区与海马之间的功能连接值，所述的功能连接值也就是皮质脑区与海马之间的皮尔逊相关系数；标准化后的皮质脑区与海马之间的功能连接值就是皮质-海马网络的边。
14、s32，计算图论矩阵：
15、根据确定的皮质-海马网络的节点和边构造皮质-海马网络的图论矩阵；并针对图论矩阵使用稀疏度计算皮质-海马网络的网络属性，所述的网络属性指的是拓扑属性；通过稀疏度来确定所要计算的网络个数，本专利技术中稀疏度以0.01的步长应用于每个相邻矩阵中，并且对图论矩阵的计算是使用脑网络分析软件gretna进行的；
16、s33，计算皮质-海马网络的局部指标，所述的局部指标包括介数中心性bc、度中心性dc、节点聚类系数ncp、节点效率ne，节点局部效率nle和节点最短路径nlp；局部指标都是根据图论矩阵计算获得。
17、s34，使用spss软件进行广义线性模型评估局部指标与记忆得分的关系，并选择有统计学差异的节点作为皮质-海马神经环路的皮质刺激点。
18、作为本专利技术的优选方案，在步骤s4中，所述的功能连接计算是指在空间上分离的不同脑区之间在时间序列上的相关性，时间序列的皮尔逊相关系数越大，表示脑区之间的信号越一致，功能连接越强。
19、本专利技术利用脑部的多模态磁共振数据，借助概率性纤维和皮质脑区节点功能性连接获得皮质直接刺激点，以海马种子点功能性连接获得海马的皮质间接刺激点，两者协同刺激实现对皮质-海马神经环路的刺激康复，多靶点协同作用，调控特定的神经环路。本专利技术解决了常规神经调控治疗大多是对背外侧前额叶进行单靶点刺激，通过局部刺激改善相关脑区的兴奋性，不能调控特定的与记忆功能相关的神经环路，且缺乏个体化、精准化的靶点定位的技术问题。
本文档来自技高网...【技术保护点】
1.一种基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于，步骤为：
2.根据权利要求1所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：所述的DTI数据是从弥散张量成像DTI图像中获得；所述的BOLD序列数据是从血氧水平依赖脑功能成像BOLD-fMRI图像中获得。
3.根据权利要求2所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：对DTI数据先进行预处理，所述的预处理包括但不限于涡流校正、基于b0图像去除非脑组织、拟合张量模型、基于每个张量模型的三个特征值，配准时需要使用到T1数据，逐个体素计算弥散属性指标值；
4.根据权利要求1所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：所述体素的筛选条件为体素＞10且具有纤维连接的皮质脑区。
5.根据权利要求2所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于，所述皮质-海马网络节点的节点属性的计算步骤为：
6.根据权利要求5所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：所述预先估计出的稀疏度取值
7.根据权利要求2所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：在步骤S4中，所述的功能连接计算是指在空间上分离的不同脑区之间在时间序列上的相关性，时间序列的皮尔逊相关系数越大，表示脑区之间的信号越一致，功能连接越强。
...【技术特征摘要】
1.一种基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于，步骤为：
2.根据权利要求1所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：所述的dti数据是从弥散张量成像dti图像中获得；所述的bold序列数据是从血氧水平依赖脑功能成像bold-fmri图像中获得。
3.根据权利要求2所述的基于多模态磁共振定位记忆功能相关刺激靶的方法，其特征在于：对dti数据先进行预处理，所述的预处理包括但不限于涡流校正、基于b0图像去除非脑组织、拟合张量模型、基于每个张量模型的三个特征值，配准时需要使用到t1数据，逐个体素计算弥散属性指标值；
4.根据权利要求1所述的基于多模态磁共振定位记忆功能相关...
【专利技术属性】
技术研发人员：徐建光，华续赟，郑谋雄，吴佳佳，马洁，薛炘，张俊鹏，
申请(专利权)人：上海中医药大学，
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。