一種fMRI任務態(tài)數據預處理中的去噪校正方法
【專利摘要】本發(fā)明公開了一種fMRI任務態(tài)數據預處理中的去噪校正方法。本發(fā)明的去噪原理是：呼吸、心跳等因素對大腦產生的噪聲效應可以近似看做是均勻分布的，而通常認為白質區(qū)不參與認知任務，因此在白質區(qū)測得的值可以近似看做是呼吸心跳等因素產生的噪聲效應值。本發(fā)明通過線性回歸運算用白質區(qū)得到噪聲效應值估測其它腦區(qū)的噪聲效應值，并用實際測量值減去噪聲效應函數估算值，最后再加上被減去的實際測量值均值得到校正值。本發(fā)明首次在任務態(tài)下根據白質腦區(qū)信號進行fMRI數據去噪，去噪過程考慮任務態(tài)腦數據與刺激的關聯性。與在灰質區(qū)采集信號相比，采用白質區(qū)采集到的信號進行校正不受實驗任務限制，具有很好的通用性。
【專利說明】一種fMRI任務態(tài)數據預處理中的去噪校正方法
【技術領域】
[0001]本發(fā)明屬于數據處理領域，涉及一種fMRI任務態(tài)數據預處理中的去噪校正方法?！颈尘凹夹g】
[0002]功能核磁共振技術(fMRI)已經成為探討人腦功能的重要工具。目前fMRI的腦功能數據主要有兩種類型，一種是靜息態(tài)數據，在靜息態(tài)數據掃描時被試(參與實驗的志愿者)一般沒有明顯的外在認知任務，只是簡單地閉眼或睜眼，靜息態(tài)數據通常是指人腦的自發(fā)震蕩信號。另一種則是任務態(tài)數據，即在掃描時被試會根據呈現的刺激按照要求完成一定的認知任務，此時的fMRI數據與認知任務或刺激具有關聯性。不管是靜息態(tài)還是任務態(tài)數據，掃描時被試的呼吸、心跳等一些不可控的因素都會對fMRI信號產生干擾，使腦數據受到噪聲污染，影響實驗結果的可信度。在fMRI腦數據的預處理過程中研究者一般會通過頭動校正、時間校正、功能像與結構像配準、標準化、高斯平滑等方法進行去噪處理，但經過這些方法處理后信號仍有可能被噪音污染。在靜息態(tài)數據處理中，研究者還通常會利用一些腦區(qū)(包括白質、全腦平均和大腦導水管等)的信號進行數據校正。然而這種利用腦區(qū)信號進行校正的方法尚未在fMRI任務態(tài)數據中進行去噪運用，同時這種信號校正方法如何在任務態(tài)數據中與刺激的關聯性結合起來也需要仔細考慮。

【發(fā)明內容】

[0003]針對現有技術中存在的上述問題，本發(fā)明提供了一種fMRI任務態(tài)數據預處理中的去噪校正方法，可以有效地去除掃描過程中呼吸、心跳等因素產生的噪聲信號，提高信噪比。
[0004]本發(fā)明的去噪原理是:呼吸、心跳等因素對大腦產生的噪聲效應可以近似看做是均勻分布的，并且通常認為白質區(qū)不參與認知任務，因此在白質區(qū)測得的值可以近似看做是呼吸、心跳等因素產生的噪聲效應值，通過線性回歸運算用白質區(qū)得到噪聲效應值從而估測其它腦區(qū)的噪聲效應值。
[0005]一種fMRI任務態(tài)數據預處理中的去噪校正方法，包括以下步驟:
[0006]步驟一，選取白質區(qū)部分區(qū)域作為種子區(qū)。
[0007]白質是由被髓鞘包覆著的神經軸突組成，控制著神經元共享的訊號，協調腦區(qū)之間的正常運作，但其自身并不產生信號，只負責傳遞信號。通常認為白質區(qū)不參與認知任務。
[0008]步驟二,求該種子區(qū)在一個trial中各個scan點上的均值,該均值組成向量X。
[0009]實驗過程中，被試按要求完成一個實驗任務的過程叫做一個trial。這個過程可能會涉及多個scan點,一個scan點對應一次掃描,核磁共振儀器在一定的時間內會對全腦進行一次掃描，通常一次全腦掃描的時間設定為2秒。
[0010]步驟三，選取全腦中的一個體素作為待校正區(qū)域，從中提取與步驟二同一個trial中各個scan點上的值,組成向量y。[0011]步驟四,對種子區(qū)均值X和全腦中一個體素在一個trial中所有scan點的值y進行線性回歸運算，估算出噪聲效應回歸函數。
[0012]步驟五，用所述體素的實際測量值減去噪聲效應函數估算出的噪聲效應值，最后再加上被減去的實際測量值均值得到校正值。
[0013]步驟六，重復步驟三?五，直至將同一個trial中所有體素校正完畢，得到所有體素的校正值。
[0014]步驟七，重復步驟二?六，直至將所有trial中所有體素校正完畢，得到所有trial中所有體素的校正值。
[0015]與現有技術相比，本發(fā)明具有如下優(yōu)點:
[0016]1.采用白質腦區(qū)信號進行校正，一般只用在沒有明確外在任務時的靜息態(tài)腦數據處理中，目的是剔除噪音的影響。本發(fā)明首次在任務態(tài)下根據白質腦區(qū)信號，并且考慮fMRI任務態(tài)數據與任務和刺激的關聯性，采用線性回歸法進行去噪處理。
[0017]2.與在灰質區(qū)采集信號相比，采用白質區(qū)采集到的信號進行校正不受實驗任務限制，通用性好。
【專利附圖】

【附圖說明】
[0018]圖1為本發(fā)明所述方法流程圖；
[0019]圖2為本發(fā)明實施例去噪前后腦活動信號的比較:(a)為左側后頂葉數據分析結果，(b)為右側后頂葉數據分析結果。
【具體實施方式】
[0020]下面將結合附圖和實施例對本發(fā)明做進一步的描述。
[0021]本實施例所采用的實驗任務主要關注解決問題時的表象過程，所以通過與表象高度相關的后頂葉來檢驗去噪效果。
[0022]為了研究人類進行問題解決時的大腦活動情況通常會設計一定的實驗范式，這種實驗范式被稱為任務或問題。在本實施例中采用的問題是一種可以運用簡單規(guī)則進行解決的四方趣題。這種四方趣題是一個4X4方陣，其中兩條中線將方陣分為4個小區(qū)，每個小區(qū)稱為一個宮。方陣中有些小格已經給了數字。任務是在空格中填寫數字使得每一行、每一列或每一個宮格中1，2，3，4出現且只出現一次。本實驗包括兩種情況:拼接條件和不拼接條件?！捌唇印笔侵副辉囆枰獙⒌谝淮纬尸F的信息與第二次呈現的信息在頭腦中拼接到一起組合成一個完整的問題才能進行解決。此過程需要與表象有關的腦區(qū)參與；而“不拼接”則是指被試不需要將兩次出現的信息進行拼接，直接利用第二次出現的信息就可以解決問題。與拼接條件相比，不拼接條件下與表象有關的腦區(qū)參與度降低，因此可以預期與表象加工具有密切關系的后頂葉在拼接條件下的激活程度更強。
[0023]從實驗過程來看，本實施例需要解決的問題分成兩部分呈現，在第一部分信息呈現時被試只是注視并記住刺激物而不能解決問題；而當第二部分信息呈現時被試才能整合兩部分信息(拼接條件)或直接利用第二部分信息(不拼接條件)解決問題。由于只有在第二部分信息呈現時才可能綜合利用各種信息解決問題，因此，我們還可以預期負責問題表征或表象的后頂葉腦區(qū)在第二部分信息呈現時要比第一部分信息呈現時的激活更強。[0024]fMRI數據主要通過BOLD (血氧水平依賴性，blood oxygen level dependent)信號來推測腦神經的活動。在通過磁共振掃描儀獲得fMRI數據后，首先進行常規(guī)的預處理，包括頭動校正、功能像和結構像配準、標準化和高斯平滑，然后進行本發(fā)明中的方法對數據進行去噪校正。
[0025]本發(fā)明所述的去噪校正方法的流程圖如圖1所示，具體包括以下步驟:
[0026]步驟一，根據實驗或研究目的選取白質區(qū)域作為種子區(qū)。
[0027]體素是fMRI腦 圖像的最小單位，會受到掃描參數的影響。由于不同掃描所使用的掃描參數不同，選擇種子區(qū)時要結合具體的fMRI腦圖像數據進行確定。本實施例中選擇6個白質區(qū)域，它們的中心點分別位于Talairach坐標中的如下位置:(24，-19，36)，(-25，-20,36), (21，-3,36), (-19，-3,36), (27,4,30), (-22，3，30)，每個區(qū)域在 x、y、z 三個方向的大小均為12.5*12.5*6.4=1000mm3。
[0028]步驟二，以一個trial為一個時間序列，計算種子區(qū)域所有體素在一個trial過程中各個scan點上的均值,得到一個一維向量x。X中元素個數是一個trial中scan點的個數。
[0029]步驟三，選取全腦中的一個體素作為待校正區(qū)域，在去噪校正過程中是按單個體素為最小空間單位進行校正的，首先選中全腦中的一個體素作為待校正對象，讀取其在一個trial中各個scan點上的值,得到一個一維向量y。步驟二和步驟三中的trial是同一個trial，所以y中元素的個數和x中元素個數相同。
[0030]步驟四，用步驟二和步驟三中得到的x、y值，進行一元線性回歸運算，計算噪聲回歸函數。具體算法如下:

[0031 ] <img/
[0037]式中，n表示每道題中掃描點的個數；Xi表示本實驗中所選取的白質區(qū)的種子區(qū)域中所有體素在每道題中第i個掃描點時的均值；f表示每道題中所有掃描點上Xi的均值；
Ii表不全腦中任一個體素在每道題中第i個掃描點時的值；f表不所述體素所對應的噪聲效應函數估計的噪聲效應值。
[0038]步驟五，用所述體素的實際測量值y減去噪聲效應函數估算出的噪聲效應值V，最后再加上被減去的實際測量值均值^得到校正值。計算公式如下:[0039]Y = y + Y~ y
[0040]式中，歹表示在一個trial中所有掃描點上的值的均值。在利用回歸函數估算噪聲效應值時，該體素的任務效應值均值也被計算在內，在該體素實際測量值減去噪聲效應值時將任務效應均值也減去了，因此需要在方程式右側加上任務效應均值，最后得到去噪后的任務效應真實值Y。
[0041]步驟六，重復步驟三?五，直至將該trial中所有體素校正完畢。
[0042]步驟七,重復步驟二?六,直至所有trial中的全腦體素校正完畢。
[0043]去噪校正完畢后，再通過常規(guī)的腦區(qū)激活方法計算不同實驗條件下感興趣腦區(qū)。本實施例對大腦雙側的后頂葉腦區(qū)的信號強度進行檢測。為了檢測后頂葉腦區(qū)在表象過程中的作用，對拼接條件和不拼接條件的信號強度差異進行了 t檢驗(t檢驗是用t分布理論來推論差異發(fā)生的概率)。
[0044]校正前后的信號如圖2所示，由圖2可知:(I)未采用白質區(qū)去噪校正的結果顯示BOLD信號相對雜亂；采用了白質區(qū)去噪校正方法后的結果顯示BOLD信號比較有序。(2)在拼接條件和不拼接條件下BOLD信號出現兩個波峰，第二個波峰的值要比第一個波峰的值大。第一個波峰對應著第一個刺激物呈現時后頂葉的反應，第二個波峰對應著第二個刺激物呈現時后頂葉的反應，校正前后的BOLD圖均顯示第二個波峰比第一個波峰要強。但是由于第一個刺激物出現時兩種實驗條件相同，只在第二個刺激物出現時兩種條件才存在差異，從BOLD圖來看，校正后的第一個波峰兩種條件間沒有差異，只在第二個波峰時才在兩種條件間表現出差異，更符合預期。(3)對兩種實驗條件間的差異進行比較分析，t檢驗結果顯示，校正前拼接條件和不拼接條件在雙側后頂葉沒有顯著差異(左側P=0.146，t=-l.101 ；右側P=0.055，t=-l.723);校正后拼接條件的BOLD信號值大于不拼接條件下的信號值(左側P〈0.01，t=-3.087 ;右側P〈0.01，t=-3.980)。在統(tǒng)計學中，P值是認為觀察結果有效即具有總體代表性的犯錯概率，專業(yè)上，P值為結果可信程度的一個遞減指標。P值越大，越不能認為樣本中變量的關聯是總體中各變量關聯的可靠指標，通常P=0.05被認為是可接受錯誤的邊界水平，若P值小于0.05，即認為被檢驗的兩組數據存在顯著差異性；t值代表檢驗統(tǒng)計量。BOLD信號圖和實驗條件差異檢驗結果表明，校正后結果更符合預期。
[0045]實驗表明，在任務態(tài)的fMRI數據預處理過程中，采用與任務無關的白質腦區(qū)的信號進行回歸去噪處理，能夠有效地改進BOLD信號，提高信噪比。
【權利要求】
1.一種fMRI任務態(tài)數據預處理中的去噪校正方法，其特征在于，根據任務態(tài)下白質腦區(qū)信號、考慮fMRI任務態(tài)數據與任務或刺激的關聯性，采用線性回歸方法進行去噪處理；具體包括以下步驟: 步驟一，選取白質區(qū)部分區(qū)域作為種子區(qū)； 白質由被髓鞘包覆著的神經軸突組成，控制著神經元共享的訊號，協調腦區(qū)之間的正常運作，但其自身并不產生信號，只負責傳遞信號；通常認為白質區(qū)不參與認知任務；步驟二，求所述種子區(qū)在一個trial中各個scan點上的均值,該均值組成向量x ； 實驗過程中，被試按要求完成一個實驗任務的過程叫做一個trial ;這個過程可能會涉及多個scan點,一個scan點對應一次掃描,核磁共振儀器在一定的時間內會對全腦進行一次掃描，通常一次全腦掃描的時間設定為2秒； 步驟三，選取全腦中的一個體素作為待校正區(qū)域，從中提取與步驟二同一個trial中各個scan點上的值,組成向量y ； 步驟四，對種子區(qū)均值X和全腦中一個體素在一個trial中所有scan點的值y進行線性回歸運算，估算噪聲效應回歸函數；計算公式如下:
【文檔編號】G06F19/00GK103646160SQ201310486579
【公開日】2014年3月19日 申請日期:2013年10月17日 優(yōu)先權日:2013年10月17日
【發(fā)明者】周海燕, 申祥升, 秦裕林, 鐘寧 申請人:北京工業(yè)大學, 江蘇萬維艾斯網絡智能產業(yè)創(chuàng)新中心有限公司