一種基于腦影像的腦網絡構造方法
【專利摘要】本發(fā)明提供了一種基于腦影像的腦網絡構造方法，包括步驟：A、獲取腦影像數(shù)據；B、預處理所述腦影像數(shù)據；C、基于經過預處理的所述腦影像數(shù)據，提取不同腦區(qū)的腦區(qū)特征；D、估計所述腦區(qū)特征的概率密度分布；E、計算不同腦區(qū)的所述腦區(qū)特征的概率密度分布的相似性，作為不同腦區(qū)間的連接；F、基于已構造的各腦區(qū)之間的連接，構造連接矩陣，從而形成腦網絡。上述方法克服了現(xiàn)有腦網絡構造方法的不足。
【專利說明】一種基于腦影像的腦網絡構造方法
【技術領域】
[0001]本發(fā)明涉及一種基于腦影像的腦網絡構造方法。
【背景技術】
[0002]人腦是一個具有非凡功能的復雜網絡。對于該網絡內在構架的研究是神經科學中的一項重要課題。神經科學家認為在構建出人腦網絡圖譜之前，人們不可能了解人腦的工作機理。由此，在基因組(Genome)之后,業(yè)界也提出了人腦連接組(Connectome)的概念,并由此著手開始繪制人腦連接組。
[0003]數(shù)學抽象上,一個網絡由節(jié)點(node)以及連接各節(jié)點的邊(edge)構成。在腦網絡研究中，網絡節(jié)點通常由腦區(qū)構成。而不同腦區(qū)間的結構或功能關系則構成了節(jié)點間的邊。為此，腦網絡構建的核心是使用合適的方法將大腦表示成由不同腦區(qū)及其之間關系所組成的網絡。
[0004]目前，人腦網絡研究主要基于腦影像手段，即:通過腦影像手段記錄或刻畫大腦結構或功能特征，進而基于這些特征構建腦網絡。其中常用的腦成像模態(tài)是共振成像(MRI)、正電子發(fā)射斷層成像(PET)、腦電圖(EEG)、腦磁圖(MEG)等。在基于腦影像數(shù)據構建人腦網絡時，確定腦網絡節(jié)點的方法相對固定。研究者通常采用預先定義好的腦區(qū)，或直接以圖像中的每個體素(voxel)作為腦網絡節(jié)點。而在腦區(qū)連接的定義上，根據腦影像數(shù)據的模態(tài)的不同，量化方式則非常多樣，主要包括:基于腦功能成像(例如fMR1、PET)的功能連接、基于彌散磁共振腦影像(dMRI)的結構連接以及基于結構腦影像(sMRI)的形態(tài)學被試間的協(xié)變網絡。具體而言，功能連接通常定義為腦功能成像中采集到的兩個腦區(qū)信號時間上的同步程度，其度量了不同腦區(qū)在時間上活動的一致性程度；結構連接一般定義為采用彌散磁共振成像技術獲取的腦白質纖維連接強度，其度量了不同腦區(qū)間纖維白質連接的程度；基于結構腦影像的形態(tài)學連接則一般把腦區(qū)特征在被試間的協(xié)變定義為腦區(qū)連接。盡管上述腦區(qū)連接的計算方法已得到了廣泛應用，但這些方法均直接基于原始測量數(shù)據構建連接，由此存在一些無法避免的局限:
[0005]一、在考察不同腦區(qū)的活動同步性(功能連接)、纖維連接性(結構連接)、形態(tài)特征共變性(形態(tài)連接)時，現(xiàn)有技術均需要同時獲取各個腦區(qū)的數(shù)據，不同時間段獲取的數(shù)據無法相互融合、一起使用；
[0006]二、在考察不同腦區(qū)的活動同步性(功能連接)、纖維連接性(結構連接)、形態(tài)特征共變性(形態(tài)連接)時，現(xiàn)有技術只能局限于單一模態(tài)下的特征計算連接性，而無法度量來自不同模態(tài)間的特征間形成的連接；
[0007]三、考察腦區(qū)間連接時，現(xiàn)有技術均基于局部腦區(qū)測量的均值，而完全忽略了腦區(qū)內測量的其它統(tǒng)計特征，這會導致腦區(qū)間連接估計不準確，甚至出現(xiàn)無法估計兩個腦區(qū)在某種特征上的連接的情況。例如，基于腦區(qū)均值的形態(tài)特征共變網絡無法構建被試個體腦網絡，而只能針對一組大樣本被試構建一個網絡；
[0008]四、由于腦影像數(shù)據容易受到一些無關因素的干擾，例如頭動和心跳，數(shù)據信噪比較低。直接考察兩個腦區(qū)的活動同步性(功能連接)、纖維連接性(結構連接)、形態(tài)特征共變性(形態(tài)連接)時，受噪聲影響較大。

【發(fā)明內容】

[0009] 有鑒于此，本發(fā)明的主要目的在于提供一種基于腦影像的腦網絡構造方法，以克服上述現(xiàn)有腦網絡構造方法的不足。
[0010]本發(fā)明提供的一種基于腦影像的腦網絡構造方法，包括以下步驟:
[0011]A、獲取腦影像數(shù)據；
[0012]B、預處理所述腦影像數(shù)據；
[0013]C、基于經過預處理的所述腦影像數(shù)據，提取不同腦區(qū)的腦區(qū)特征；
[0014]D、估計所述腦區(qū)特征的概率密度分布；
[0015]E、計算不同腦區(qū)的所述腦區(qū)特征的概率密度分布的相似性，作為不同腦區(qū)間的連接；
[0016]F、基于已構造的各腦區(qū)之間的連接，構造連接矩陣，從而形成腦網絡。
[0017]在上述的方法中，所述步驟D包括:
[0018]將所述腦區(qū)特征展成一維向量后，采用估計強度分布的統(tǒng)計方法估計所述腦區(qū)特征的概率密度分布。
[0019]在上述的方法中，所述步驟E包括:
[0020]使用度量兩個概率密度分布相似性的方法計算各腦區(qū)間的腦區(qū)特征概率密度分布的相似性，以該相似性作為各腦區(qū)連接的度量。
[0021]在上述的方法中，所述步驟E中關于不同腦區(qū)的所述腦區(qū)特征的概率密度分布相似性的計算具體為:
[0022]將使用
【權利要求】
1.一種基于腦影像的腦網絡構造方法，其特征在于，包括以下步驟: A、獲取腦影像數(shù)據； B、預處理所述腦影像數(shù)據； C、基于經過預處理的所述腦影像數(shù)據，提取不同腦區(qū)的腦區(qū)特征； D、估計所述腦區(qū)特征的概率密度分布； E、計算不同腦區(qū)的所述腦區(qū)特征的概率密度分布的相似性，作為不同腦區(qū)間的連接； F、基于已構造的各腦區(qū)之間的連接，構造連接矩陣，從而形成腦網絡。
2.根據權利要求1所述的方法，其特征在于，所述步驟D包括: 將所述腦區(qū)特征展成一維向量后，采用估計強度分布的統(tǒng)計方法估計所述腦區(qū)特征的概率密度分布。
3.根據權利要求2所述的方法，其特征在于，所述步驟E包括: 使用度量兩個概率密度分布相似性的方法計算各腦區(qū)間的腦區(qū)特征概率密度分布的相似性，以該相似性作為各腦區(qū)連接的度量。
4.根據權利要求3所述的方法，其特征在于，所述步驟E中關于不同腦區(qū)的所述腦區(qū)特征的概率密度分布相似性的計算具體為: 將使用KL散度
5.根據權利要求4所述的方法，其特征在于，所述步驟F包括: 根據所述步驟E計算出的所有腦區(qū)間的連接，構造NXN的鄰接矩陣，得到加權的腦網絡，其中N表示腦區(qū)的數(shù)量； 在所述鄰接矩陣的基礎上設定連接強度閾限，把連接強度大于所述連接強度閾限的邊設為1，而連接強度小于所述連接強度閾限的邊設為0，得到二值化腦網絡。
6.根據權利要求1至5中任意一項所述的方法，其特征在于，所述腦結構信號數(shù)據為腦空間特征信號、時間特征信號或時空特征信號，且維度不受限制。
【文檔編號】G06T7/00GK103942781SQ201410128284
【公開日】2014年7月23日 申請日期:2014年4月1日 優(yōu)先權日:2014年4月1日
【發(fā)明者】甄宗雷, 孔祥禎, 劉嘉 申請人:北京師范大學