[發明專利]一種基于模式識別分類提取磁共振成像腦激活區的方法

有效

• 申請號: 200710098691.3
• 申請日: 2007-04-25
• 公開（公告）號: CN101292871A
• 公開（公告）日: 2008-10-29
• 發明（設計）人: 田捷;甄宗雷
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: A61B5/055
• 分類號: A61B5/055;G01R33/54;G06F17/00;G06T7/60
• 代理公司: 中科專利商標代理有限責任公司
• 代理人: 周國城

技術領域

本發明屬于神經影像數據分析技術領域，具體涉及磁共振成像fMRI激活區提取算法，尤其涉及使用多元模式識別方法進行fMRI腦激活區。

背景技術

隨功能磁共振成像(functional?Magnetic?Resonance?Imaging，fMRI)以其高時空分辨率，非侵入式等特點在人腦功能研究中得到了廣泛應用。fMRI一般是指基于血氧水平依賴(blood?oxygen?level-dependent，BOLD)的fMRI成像，它通過測量由神經活動引起的腦血流和腦血氧等成分變化而造成的磁共振信號變化來反應腦活動。隨著近年來試驗數據的急劇增長，合理有效的fMRI數據分析技術顯的越發重要。功能數據分析的核心問題是根據測得的fMRI數據尋找其活動能顯著區分不同試驗條件(如，刺激條件和基線條件)的腦區。合理的fMRI分析方法需同時考慮到人腦功能一般組織原則以及fMRI數據本身一些特性。

一般認為，腦功能遵循兩個基本組織原則：功能集成化和功能特異化。在大空間刻度(規模)上，一個復雜的腦功能可能會由許多功能特異的腦區通過相互作用(集成)來完成；反過來，一個特異性腦區也會對許多不同的認知任務進行表示或加工，通過精細空間刻度上不同的分布式腦活動來對外部不同刺激進行表示。另一方面，隨著MRI技術的進步，fMRI圖像空間分辨率一直在提高。傳統fMRI數據在體素各維寬度約為4毫米時可獲得較高的信噪比。當前，各維寬度為2毫米的體素已經可以在標準3T臨床磁共振(MRI)機器上可靠地獲得。隨著超高場(≥4T)磁共振技術的使用，fMRI圖像的空間分辨率正在向亞毫米的刻度上逼近。fMRI圖像空間分辨率的提高，為我們在更精細的空間刻度上研究腦功能提供了可能：然而，傳統的fMRI數據分析大多基于廣義線性模型(General?Linear?Model，GLM)，GLM本質上是一種一元統計技術，它通過孤立地分析每個體素的時間序列來決定該體素是否被激活，完全忽略了不同體素間的相互關系(尤其是隱含在局部腦區內的模式信息)。因而傳統一元分析技術無法檢測到試驗刺激引起的精細刻度上的腦活動模式，及構成這些模式的對刺激反應微弱的體素。另外，為了提高信噪比和統計效力，一元分析技術通常會采用高斯核對fMRI數據進行空間平滑。數據平滑本質上相當于低通濾波，它會模糊那些含有神經科學相關信息的精細的腦活動信號。從而，大量的精細信息將會被濾除掉，fMRI提供的高空間分辨率信息仍遠沒有被利用到。

發明內容

為了能在更精細的刻度上區分由不同刺激引起的腦活動模式，充分利用fMRI數據中包含的信息，本發明描述了一類全新的，基于模式識方法檢測腦激活區的算法(local?multivariate?distance?mapping?brainactivation，LMDM)。本發明直接使用局部腦區內多體素構成的多元模式信息來表示不同刺激條件下的腦活動，進而以不同模式間的多元距離作為統計量度量局部腦區活動在不同刺激條件下的可分離性。多元模式可以全面地反映局部腦活動狀態，而多元統計距離作為統計量則能更有效地集成局部腦區內的多體素信息用以區分不同腦激活狀態。從而，相對于一元分析技術，本發明可以更精確地提取腦激活區，判別不同認知條件下腦活動狀態。

GLM方法假定各個體素是相互獨立的，從而在進行腦激活區定位時，完全忽略了包含在局部腦區內的模式信息。從認知神經科學的角度說，它忽略了人腦特定功能和fMRI數據中單個體素間不存在一一對應關系的可能性。為了解決現有fMRI數據分析技術種中存在的缺點，能在更精細的刻度上區分由不同刺激引起的腦活動模式，充分利用fMRI數據中包含的信息，本發明的目的是提供一類能更精確地提取腦激活區，判別不同認知條件下腦活動狀態的基于模式識方法的腦激活區檢測算法。

為了實現本發明的目的，本發明提供一類基于模式識方法的腦激活區檢測算法，包括步驟：

預處理步驟A：對采集到的磁共振圖像進行預處理，去除混淆因素，用于將獲得標準化圖像數據；

構造局部一致腦區步驟B：對圖像數據的每個體素v₀使用區域增長算法以v₀作為種子點，得到包含K個體素的局部一致腦區N(v₀)；

分割時間序列步驟C：根據實驗設計對應的刺激條件類別分割局部一致腦區N(v₀)內多個體素的時間序列，則每類刺激條件對應著一組不同的多元數據樣本；