[發明專利]大腦異常參數的提取方法和系統

在審

• 申請號: 201410597003.8
• 申請日: 2014-10-29
• 公開（公告）號: CN104346530A
• 公開（公告）日: 2015-02-11
• 發明（設計）人: 姜春香;張麗娟;隆曉菁;劉新;鄭海榮
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 吳平

技術領域

本發明涉及磁共振成像技術領域，特別是涉及一種大腦異常參數的提取方法和系統。

背景技術

阿爾茲海默氏病(AD)是一種原發性神經退行性疾病，以神經纖維纏結和淀粉樣蛋白沉積為主要病理基礎，以言語障礙、記憶減退為主要特征，最后發展為智能喪失、不能談話及進食、四肢攣縮等，增加了家庭及社會負擔。目前還沒有有效地AD治療方法，如果能在AD早期給予良好的預防和治療措施，就能有效地控制AD的數量及發病率。因此，如何早發現、早診斷AD患者就顯得尤為重要。

目前利用腦網絡的方法進行AD研究主要可分為兩類：一類是利用結構磁共振成像、彌散磁共振成像等成像技術構建大腦結構連接網絡，分析AD腦結構網絡的集群系數、平均最短路徑長度、“小世界”屬性等參數的變化情況；另一類是利用腦電圖(EEG)、腦磁圖(MEG)或功能磁共振成像(fMRI)等技術構建大腦功能連接網絡，結合圖論的網絡分析方法分析AD腦功能連接網絡參數的改變。

通過提取大腦異常參數可以提前診斷病人是否患有AD，目前國內外基于大腦網絡的AD研究方法，大都將大腦的功能和結構兩者之間剝離開來進行研究，使得傳統的大腦異常參數的提取方法很難提取到靈敏反映大腦結構和功能異常的參數。

發明內容

基于此，有必要針對上述技術問題，提供一種方便提取到靈敏反映大腦異常參數的大腦異常參數提取方法和系統。

一種大腦異常參數的提取方法，所述方法包括：

對大腦進行磁共振彌散張量成像和靜息態功能成像掃描，獲得所述大腦的彌散張量數據和靜息態功能數據；

根據所述彌散張量數據構建所述大腦的結構連接網絡；

根據所述靜息態功能數據構建所述大腦的功能連接網絡；

將所述結構連接網絡和所述功能連接網絡進行耦合，得到網絡耦合性指標；

將網絡耦合性指標與正常網絡耦合性指標進行排列檢驗，提取網絡耦合性指標中與正常網絡耦合性指標存在差異的參數。

在其中一個實施例中，所述根據所述彌散張量數據構建所述大腦的結構連接網絡的步驟，包括：

根據所述彌散張量數據求得大腦個體空間的部分各向異性分數圖；

通過確定性跟蹤算法對所述部分各向異性分數圖進行全腦白質纖維束3D重建；

根據磁共振掃描數據獲取T1加權圖像和彌散張量成像非加權圖像；

將T1加權圖像配準到彌散張量成像非加權圖像中；

將配準后的T1加權圖像標準化到T1結構模塊得到空間變化參數，并對所述空間變化參數進行逆變換得到逆變換參數；

通過所述逆變換參數將具有MNI空間信息的AAL模板轉換到大腦個體空間；

根據所述大腦個體空間提取3D重建后全腦白質纖維束中預設數量腦區，并計算預設數量腦區中每一對腦區之間的結構連接密度，得到關系矩陣；

對所述關系矩陣進行閾值化處理，得到權重矩陣；

通過所述權重矩陣構建所述大腦的結構連接網絡。

在其中一個實施例中，所述根據所述靜息態功能數據構建所述大腦的功能連接網絡的步驟，包括：

對所述靜息態功能數據進行預處理，將預處理好的靜息態功能數據配準到AAL模塊；

通過高斯核對AAL模板進行數據平滑，并提取AAL模板中預設數量腦區內的時間序列信號并平均；

計算所述預設數量腦區內每一對腦區之間的時間互相關系數，并通過Fisher變換將所述時間相關系數轉換為功能連接矩陣；

對功能連接矩陣進行閾值化處理得到二值矩陣，通過所述二值矩陣構建功能連接網絡。

在其中一個實施例中，所述對所述靜息態功能數據進行預處理包括：時間校正、空間對齊和空間標準化到MNI標準腦模板空間。

在其中一個實施例中，所述將所述結構連接網絡和所述功能連接網絡進行耦合，得到網絡耦合性指標的步驟，包括：

提取結構連接網絡對應的結構連接矩陣中的非零元素，所述非零元素構成結構連接向量；

提取功能連接網絡對應的結構連接矩陣中非零元素位置對應的功能連接，所述功能連接的強度構成功能連接向量；

計算所述結構連接向量與所述功能連接向量的皮爾遜相關系數，所述皮爾遜相關系數即為網絡耦合性指標。

一種大腦異常參數的提取系統，所述系統包括：

掃描成像模塊，用于對大腦進行磁共振彌散張量成像和靜息態功能成像掃描，獲得所述大腦的彌散張量數據和靜息態功能數據；

第一網絡構建模塊，用于根據所述彌散張量數據構建所述大腦的結構連接網絡；