[發(fā)明專利]大腦異常參數(shù)的提取方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201410597003.8
• 申請日: 2014-10-29
• 公開（公告）號: CN104346530A
• 公開（公告）日: 2015-02-11
• 發(fā)明（設(shè)計）人: 姜春香;張麗娟;隆曉菁;劉新;鄭海榮
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 吳平

1.一種大腦異常參數(shù)的提取方法，所述方法包括：

對大腦進(jìn)行磁共振彌散張量成像和靜息態(tài)功能成像掃描，獲得所述大腦的彌散張量數(shù)據(jù)和靜息態(tài)功能數(shù)據(jù)；

根據(jù)所述彌散張量數(shù)據(jù)構(gòu)建所述大腦的結(jié)構(gòu)連接網(wǎng)絡(luò)；

根據(jù)所述靜息態(tài)功能數(shù)據(jù)構(gòu)建所述大腦的功能連接網(wǎng)絡(luò)；

將所述結(jié)構(gòu)連接網(wǎng)絡(luò)和所述功能連接網(wǎng)絡(luò)進(jìn)行耦合，得到網(wǎng)絡(luò)耦合性指標(biāo)；

將網(wǎng)絡(luò)耦合性指標(biāo)與正常網(wǎng)絡(luò)耦合性指標(biāo)進(jìn)行排列檢驗，提取網(wǎng)絡(luò)耦合性指標(biāo)中與正常網(wǎng)絡(luò)耦合性指標(biāo)存在差異的參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述彌散張量數(shù)據(jù)構(gòu)建所述大腦的結(jié)構(gòu)連接網(wǎng)絡(luò)的步驟，包括：

根據(jù)所述彌散張量數(shù)據(jù)求得大腦個體空間的部分各向異性分?jǐn)?shù)圖；

通過確定性跟蹤算法對所述部分各向異性分?jǐn)?shù)圖進(jìn)行全腦白質(zhì)纖維束3D重建；

根據(jù)磁共振掃描數(shù)據(jù)獲取T1加權(quán)圖像和彌散張量成像非加權(quán)圖像；

將T1加權(quán)圖像配準(zhǔn)到彌散張量成像非加權(quán)圖像中；

將配準(zhǔn)后的T1加權(quán)圖像標(biāo)準(zhǔn)化到T1結(jié)構(gòu)模塊得到空間變化參數(shù)，并對所述空間變化參數(shù)進(jìn)行逆變換得到逆變換參數(shù)；

通過所述逆變換參數(shù)將具有MNI空間信息的AAL模板轉(zhuǎn)換到大腦個體空間；

根據(jù)所述大腦個體空間提取3D重建后全腦白質(zhì)纖維束中預(yù)設(shè)數(shù)量腦區(qū)，并計算預(yù)設(shè)數(shù)量腦區(qū)中每一對腦區(qū)之間的結(jié)構(gòu)連接密度，得到關(guān)系矩陣；

對所述關(guān)系矩陣進(jìn)行閾值化處理，得到權(quán)重矩陣；

通過所述權(quán)重矩陣構(gòu)建所述大腦的結(jié)構(gòu)連接網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述靜息態(tài)功能數(shù)據(jù)構(gòu)建所述大腦的功能連接網(wǎng)絡(luò)的步驟，包括：

對所述靜息態(tài)功能數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理好的靜息態(tài)功能數(shù)據(jù)配準(zhǔn)到AAL模塊；

通過高斯核對AAL模板進(jìn)行數(shù)據(jù)平滑，并提取AAL模板中預(yù)設(shè)數(shù)量腦區(qū)內(nèi)的時間序列信號并平均；

計算所述預(yù)設(shè)數(shù)量腦區(qū)內(nèi)每一對腦區(qū)之間的時間互相關(guān)系數(shù)，并通過Fisher變換將所述時間相關(guān)系數(shù)轉(zhuǎn)換為功能連接矩陣；

對功能連接矩陣進(jìn)行閾值化處理得到二值矩陣，通過所述二值矩陣構(gòu)建功能連接網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述靜息態(tài)功能數(shù)據(jù)進(jìn)行預(yù)處理包括：時間校正、空間對齊和空間標(biāo)準(zhǔn)化到MNI標(biāo)準(zhǔn)腦模板空間。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述結(jié)構(gòu)連接網(wǎng)絡(luò)和所述功能連接網(wǎng)絡(luò)進(jìn)行耦合，得到網(wǎng)絡(luò)耦合性指標(biāo)的步驟，包括：

提取結(jié)構(gòu)連接網(wǎng)絡(luò)對應(yīng)的結(jié)構(gòu)連接矩陣中的非零元素，所述非零元素構(gòu)成結(jié)構(gòu)連接向量；

提取功能連接網(wǎng)絡(luò)對應(yīng)的結(jié)構(gòu)連接矩陣中非零元素位置對應(yīng)的功能連接，所述功能連接的強度構(gòu)成功能連接向量；

計算所述結(jié)構(gòu)連接向量與所述功能連接向量的皮爾遜相關(guān)系數(shù)，所述皮爾遜相關(guān)系數(shù)即為網(wǎng)絡(luò)耦合性指標(biāo)。

6.一種大腦異常參數(shù)的提取系統(tǒng)，其特征在于，所述系統(tǒng)包括：

掃描成像模塊，用于對大腦進(jìn)行磁共振彌散張量成像和靜息態(tài)功能成像掃描，獲得所述大腦的彌散張量數(shù)據(jù)和靜息態(tài)功能數(shù)據(jù)；

第一網(wǎng)絡(luò)構(gòu)建模塊，用于根據(jù)所述彌散張量數(shù)據(jù)構(gòu)建所述大腦的結(jié)構(gòu)連接網(wǎng)絡(luò)；

第二網(wǎng)絡(luò)構(gòu)建模塊，用于根據(jù)所述靜息態(tài)功能數(shù)據(jù)構(gòu)建所述大腦的功能連接網(wǎng)絡(luò)；

網(wǎng)絡(luò)耦合模塊，用于將所述結(jié)構(gòu)連接網(wǎng)絡(luò)和所述功能連接網(wǎng)絡(luò)進(jìn)行耦合，得到網(wǎng)絡(luò)耦合性指標(biāo)；

參數(shù)提取模塊，用于將網(wǎng)絡(luò)耦合性指標(biāo)與正常網(wǎng)絡(luò)耦合性指標(biāo)進(jìn)行排列檢驗，提取網(wǎng)絡(luò)耦合性指標(biāo)中與正常網(wǎng)絡(luò)耦合性指標(biāo)存在差異的參數(shù)。