[發(fā)明專利]一種用于從fMRI數(shù)據(jù)中構(gòu)建腦效應(yīng)連接網(wǎng)絡(luò)的人工免疫方法

有效

• 申請?zhí)枺?/td>: 201510370320.0
• 申請日: 2015-06-29
• 公開（公告）號: CN105022934B
• 公開（公告）日: 2018-03-09
• 發(fā)明（設(shè)計）人: 冀俊忠;劉金鐸
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06F19/12
• 分類號: G06F19/12;G06K9/62;G06K9/66
• 代理公司: 北京思海天達知識產(chǎn)權(quán)代理有限公司11203
• 代理人: 沈波

1.一種用于從fMRI數(shù)據(jù)中構(gòu)建腦效應(yīng)連接網(wǎng)絡(luò)的人工免疫方法，該方法充分利用了貝葉斯網(wǎng)方法的優(yōu)勢；并利用免疫系統(tǒng)的多樣性產(chǎn)生和維持機制來保持種群的多樣性，克服了一般尋優(yōu)過程易陷入局部最優(yōu)而出現(xiàn)早熟收斂的問題，使得最終獲得的最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)更加貼近fMRI數(shù)據(jù)所反映的腦效應(yīng)連接網(wǎng)絡(luò)；

該方法的過程為：獲取靜息態(tài)fMRI數(shù)據(jù)；使用SPM8對數(shù)據(jù)進行預(yù)處理；選取與腦網(wǎng)絡(luò)構(gòu)建相關(guān)的感興趣區(qū)域；通過人工免疫系統(tǒng)優(yōu)化貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法，針對提取的感興趣區(qū)域進行腦效應(yīng)連接網(wǎng)絡(luò)的構(gòu)建；對每個受試者的腦效應(yīng)連接網(wǎng)絡(luò)進行分析，揭示網(wǎng)絡(luò)連接所表示的生物學(xué)意義，構(gòu)建具有一般性的腦效應(yīng)連接網(wǎng)絡(luò)，反映人腦網(wǎng)絡(luò)連接的普遍性規(guī)律；

其特征在于：該方法包括以下步驟：

步驟1)實驗設(shè)計；由于為了揭露人腦連接性的一般性規(guī)律，實驗采用靜息態(tài)實驗；

步驟2)fMRI數(shù)據(jù)獲取；為了將本方法與現(xiàn)有的腦效應(yīng)連接網(wǎng)絡(luò)構(gòu)建方法進行對比，除了使用對受試者進行磁共振掃描所獲的真實數(shù)據(jù)以外，還選用了一組仿真數(shù)據(jù)集；因為真實的數(shù)據(jù)所構(gòu)建的網(wǎng)絡(luò)并沒有統(tǒng)一的標準來衡量，所以選用一組的仿真數(shù)據(jù)集來進行對比實驗，以此進行方法的對比，驗證本方法的有效性；

步驟3)fMRI數(shù)據(jù)預(yù)處理；數(shù)據(jù)預(yù)處理的作用是去除原數(shù)據(jù)的誤差和干擾；數(shù)據(jù)預(yù)處理首先使用統(tǒng)計參數(shù)圖軟件包來實現(xiàn)；為避免磁共振機器每個session啟動時的勻場效應(yīng)及受試者初入環(huán)境的不適應(yīng)對結(jié)果造成一定影響，刪除每個被試每個session前四幅功能圖像，隨后進行層間時間校正、頭動校正，然后進行空間標準化、高斯平滑；

步驟4)選取感興趣區(qū)域；由于fMRI數(shù)據(jù)具有高維的特點，直接使用全腦時間序列數(shù)據(jù)，數(shù)據(jù)量會很大；本方法在真實fMRI數(shù)據(jù)部分,選用默認網(wǎng)絡(luò)(DMN)作為感興趣區(qū)域；因為通常在個體清醒靜息的狀態(tài)，不專注于外界時，默認模式網(wǎng)絡(luò)就會活動；因此默認網(wǎng)絡(luò)作為靜息態(tài)實驗的感興趣區(qū)域會有很好的效果和實際意義；對于仿真fMRI數(shù)據(jù)部分，本方法選取了具有10個感興趣區(qū)域的數(shù)據(jù)集；隨后，繼續(xù)使用SPM軟件，將所有被試的腦功能影像數(shù)據(jù)映射到選取的感興趣區(qū)域位置，提取每個腦區(qū)內(nèi)所有體素的時間序列，并做平均，獲得每個腦區(qū)的平均BOLD信號，然后對信號進行帶通濾波處理以消除低頻漂移和高頻噪音的影響，至此圖像數(shù)據(jù)已轉(zhuǎn)化成構(gòu)建網(wǎng)絡(luò)所需要的時間序列數(shù)據(jù)；

步驟5)使用人工免疫系統(tǒng)構(gòu)建網(wǎng)絡(luò)；包括以下幾個步驟:初始化參數(shù)；產(chǎn)生初始抗體群，隨機產(chǎn)生n個抗體并從記憶庫中選取m個抗體構(gòu)成初始群體；親和度計算，對初始種群進行親和度計算，親和度計算的方法采用K2評分，通過評分的好壞來反映網(wǎng)絡(luò)和fMRI數(shù)據(jù)匹配的程度；執(zhí)行免疫選擇操作，按照親和度計算的結(jié)果，選取親和度較高的a個抗體；執(zhí)行克隆操作，對之前免疫選擇的a個抗體進行克隆，克隆的規(guī)模由原抗體數(shù)和選擇的個體數(shù)共同決定；執(zhí)行交叉變異操作，通過交叉運算，形成新的種群，并對新形成的種群進行變異運算；執(zhí)行克隆抑制操作，為避免種群的冗余，保持結(jié)構(gòu)的多樣性，將相同的抗體刪除，直到抗體濃度為1即相同的抗體只保留一個；種群更新，選取當(dāng)前最好的抗體，直到迭代結(jié)束，輸出最優(yōu)抗體即最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)；最終得到的最優(yōu)抗體的網(wǎng)絡(luò)結(jié)構(gòu)就是從fMRI數(shù)據(jù)中學(xué)習(xí)到的效應(yīng)連接網(wǎng)絡(luò)；

步驟6)網(wǎng)絡(luò)結(jié)構(gòu)分析；對于學(xué)得的網(wǎng)絡(luò)結(jié)構(gòu)，節(jié)點表示腦區(qū)，邊表示一個腦區(qū)對另一個腦區(qū)直接或間接的影響，關(guān)注時間先后的因果效應(yīng)，刻畫了神經(jīng)單元之間相互作用的方向性；選取的是默認網(wǎng)絡(luò)中的后扣帶回PCC、左側(cè)頂下小葉LIPL、右側(cè)頂下小葉RIPL、前額葉內(nèi)側(cè)面MPFC作為感興趣區(qū)域，通過觀察區(qū)域之間的連接性，發(fā)現(xiàn)靜息態(tài)下默認網(wǎng)絡(luò)中子網(wǎng)絡(luò)的相互影響關(guān)系。

2.根據(jù)權(quán)利要求1所述的一種用于從fMRI數(shù)據(jù)中構(gòu)建腦效應(yīng)連接網(wǎng)絡(luò)的人工免疫方法，其特征在于：通過仿真fMRI數(shù)據(jù)集和真實fMRI數(shù)據(jù)集兩部分來闡述本方法的具體實施方式和詳細步驟：

步驟1實驗設(shè)計；

本方法共征集20名健康志愿者，實驗采用靜息態(tài)實驗，fMRI數(shù)據(jù)采集是在3.0T磁共振成像掃描儀上對所有被試完成頭部掃描；被試平躺于掃描儀內(nèi)，并由專門襯墊固定被試者頭部，以防止掃描過程中頭動；

步驟2fMRI數(shù)據(jù)獲取；

fMRI數(shù)據(jù)包括兩部分：真實fMRI數(shù)據(jù)和仿真fMRI數(shù)據(jù)；真實fMRI數(shù)據(jù)，全腦功能像由EPI序列獲得，相關(guān)參數(shù)如下：TR(掃描重復(fù)時間)＝2000ms，TE(回波時間)＝31ms，F(xiàn)OV(視野范圍)＝240×240mm²，gap(層間距)＝lmm，F(xiàn)A(翻轉(zhuǎn)角度)＝9°，slicethickness(層厚)＝4mm，體素(Voxel)大小為1×1×1mm，共32層橫斷位圖像覆蓋全腦；根據(jù)fMRI數(shù)據(jù)特點生成的仿真數(shù)據(jù)，相關(guān)參數(shù)如下：Sessionduration(掃描時間)＝10min，TR(重復(fù)時間)＝3s，Noise(噪聲)＝1％，HRFstd.dev(血液動力學(xué)響應(yīng))＝0.5；

步驟3fMRI數(shù)據(jù)預(yù)處理；

所有的預(yù)處理操作都是使用統(tǒng)計參數(shù)圖SPM完成；為避免磁共振機器每個session啟動時的勻場效應(yīng)及受試者初入環(huán)境的不適應(yīng)對結(jié)果造成一定影響，刪除每個被試每個session前十幅功能圖像，隨后進行層間時間校正、頭動校正、空間標準化到人類標準腦模板空間，再進行數(shù)據(jù)重采樣；隨后對功能圖像進行高斯平滑，減少空間噪聲；

步驟4選取感興趣區(qū)域；

本方法的真實fMRI數(shù)據(jù)選用默認網(wǎng)絡(luò)(DMN)作為感興趣區(qū)域，包括以下子網(wǎng)絡(luò)：PCC(后扣帶回)、LIPL(左側(cè)頂下小葉)、RIPL(右側(cè)頂下小葉)、MPFC(前額葉內(nèi)側(cè)面)；

表1 劃分區(qū)域與默認網(wǎng)絡(luò)

將所有受試者的腦功能影像數(shù)據(jù)映射到選取的四個感興趣區(qū)域位置，提取每個腦區(qū)內(nèi)所有體素的時間序列，并做平均，獲得每個腦區(qū)的平均BOLD信號，然后對信號進行帶通濾波處理以消除低頻漂移和高頻噪音的影響；

所采用的仿真數(shù)據(jù)集使用的ROI共有10個區(qū)域，但這10個區(qū)域并不具有實際的意義；數(shù)據(jù)具體特征如下：

表2 數(shù)據(jù)具體特征

實驗選取HRF＝0.5s的位置在圖中是最高點，即是反應(yīng)程度最明顯的地方；

步驟5使用人工免疫系統(tǒng)構(gòu)建網(wǎng)絡(luò)；

本方法采取的是基于人工免疫系統(tǒng)的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法，該方法是一種評分搜索的結(jié)構(gòu)學(xué)習(xí)方法；通過對學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)進行評分，尋找與fMRI數(shù)據(jù)集相匹配的網(wǎng)絡(luò)結(jié)構(gòu)，最終學(xué)到高質(zhì)量的腦效應(yīng)連接網(wǎng)絡(luò)；結(jié)構(gòu)學(xué)習(xí)過程包括以下步驟：

步驟5.1，初始化參數(shù)：包括抗體群數(shù)目An，抗體群數(shù)目代表了種群的規(guī)模，選取的大小應(yīng)盡量保證解可以成熟收斂并不造成過多冗余；記憶庫容量Rn，記憶庫是用來將優(yōu)秀的抗體存起來，并隨著代數(shù)不斷增多可以存下更為優(yōu)秀的抗體，記憶庫容量的選擇應(yīng)盡量保證優(yōu)秀抗體可以被存起來；抽取率Er，從記憶庫中抽取抗體的比率，它決定初始化種群中，隨機產(chǎn)生的種群和記憶庫中種群的比例；采樣率Sr，免疫選擇過程中，選取優(yōu)秀抗體的比例；交叉率Cr，抗體群發(fā)生交叉的概率；變異率Ar，抗體群發(fā)生變異的概率；

步驟5.2，初始化抗體群：生成種群大小為An的初始抗體群；初始抗體群An由兩部分組成：包括隨機產(chǎn)生的n個抗體和記憶庫中選取的m個抗體；n與m的大小由抗體群數(shù)目An，記憶庫容量Rn，抽取率Er決定；其計算公式如下：

m=Rn*Er;n=An-m;---(1)]]>

從公式中可以看出，當(dāng)記憶庫中沒有優(yōu)質(zhì)抗體的時候，也就是種群初次構(gòu)建的時候，抗體主要靠隨機初始化產(chǎn)生；而當(dāng)不斷有優(yōu)質(zhì)抗體進入記憶庫時，種群的構(gòu)建則依賴于記憶庫中的抗體；這也正好反映了人工免疫系統(tǒng)的機制，同一個抗原第二次侵入時，免疫系統(tǒng)可以快速找到與之相似的抗體進行抵御；

初始化圖的過程為：每一個抗體從一個不含有任何弧的空圖開始，圖的節(jié)點數(shù)由步驟4的感興趣區(qū)域個數(shù)決定，一個感興趣區(qū)域代表一個節(jié)點；隨機選取兩個節(jié)點，規(guī)定一個節(jié)點為起始節(jié)點，另一個節(jié)點為終止節(jié)點，構(gòu)建一條從起始節(jié)點到終止節(jié)點的弧；如果該弧的增加不會使網(wǎng)絡(luò)結(jié)構(gòu)出現(xiàn)環(huán)路，則添加成功，反之添加失敗；循環(huán)上述增弧過程，直到滿足終止條件即無法繼續(xù)添加弧或達到規(guī)定弧數(shù)；

步驟5.3，親和度計算：采用K2評分，作為抗體的親和度；k2評分的大小反映了圖結(jié)構(gòu)與數(shù)據(jù)集的關(guān)聯(lián)程度，因此可以用來刻畫抗體與抗原的親和度；從統(tǒng)計學(xué)的觀點來看，一個網(wǎng)絡(luò)結(jié)構(gòu)是一個統(tǒng)計模型，在這種方法中，基本的思想是應(yīng)用從觀測數(shù)據(jù)中獲得的網(wǎng)絡(luò)結(jié)構(gòu)的后驗概率作為尺度來測量一個網(wǎng)絡(luò)的質(zhì)量；要比較兩個網(wǎng)絡(luò)結(jié)構(gòu)G₁,G₂的計算似然比：

P(G1|D)P(G2|D)=P(G1,D)P(G2,D)---(2)]]>

其中用P(G,D)作為評分函數(shù)，具體公式如下：

P(G,D)=P(G)P(D|G)=P(G)Πi=1Np(xi|G)=P(G)Πi=1nΠj=1qi(ri-1)!(Nij+ri-1)!Σk=1riNijk!---(3)]]>

其中P(G)是網(wǎng)絡(luò)結(jié)構(gòu)G的先驗概率分布；評分的目的解釋為：如果對于所有的網(wǎng)絡(luò)結(jié)構(gòu)G，一個網(wǎng)絡(luò)結(jié)構(gòu)G₀有P(G₀,D)≥P(G,D),那么對于當(dāng)前的數(shù)據(jù)集D來說，G₀是評分而得最符合數(shù)據(jù)集D的網(wǎng)絡(luò)結(jié)構(gòu)；在算法實現(xiàn)過程中，通常對公式(3)進行化簡，用log(P(G,D))來代替P(G,D)，從而得到評分函數(shù)如下：

fk2(G,D)=Σtnfk2(xi,Π(xi):Nxi,Π(xi))fK2(xi:Π(xi):Nxi,Π(xi))=Σi=1qi(log(((ri-1)!(Nij+r1-1)!))+Σk=1r1log(Nijk!))---(4)]]>

步驟5.4，執(zhí)行免疫選擇操作；優(yōu)秀的抗體由于對抗原有很好的反映，因此將產(chǎn)生以助于免疫系統(tǒng)的增強，而劣質(zhì)的抗體由于未能有效對付抗原，因此被遺棄；根據(jù)親和度計算的結(jié)果，從抗體群中選取親和度較高的n個抗體作為候選抗體；其中n的取值為：

n＝An*Sr(5)

步驟5.5，執(zhí)行克隆操作；為了提高免疫系統(tǒng)對抗抗原的能力，優(yōu)質(zhì)抗體將會克隆，產(chǎn)生更多優(yōu)質(zhì)抗體來對抗抗原；對候選抗體進行克隆操作，克隆的規(guī)模與原抗體群規(guī)模一致，即將n個候選抗體，復(fù)制后達到An個抗體；

步驟5.6，執(zhí)行抗體的交叉、變異操作；通過交叉運算，形成新的種群，并對新形成的種群進行變異運算；交叉操作通常可以在不影響收斂性的條件下，使抗體群可以向著好的方向變化，變異操作可以使種群豐富性得到提升，幫助算法跳出局部最優(yōu)解；交叉操作的具體方法是：一個抗體與另一抗體執(zhí)行交叉操作，即一個圖結(jié)構(gòu)與另一圖結(jié)構(gòu)發(fā)生邊的交換操作；抗體執(zhí)行交叉操作后需要仍保證兩抗體的圖結(jié)構(gòu)不會出現(xiàn)環(huán)，若出現(xiàn)環(huán)則交叉操作失敗；變異操作的具體方法是：抗體已一定概率發(fā)生突變而改變了原有的結(jié)構(gòu)，抗體變異出現(xiàn)增邊、減邊、反向邊的情況；

步驟5.7，執(zhí)行克隆抑制操作；為避免種群的冗余，保持結(jié)構(gòu)的多樣性，將相同的抗體刪除，直到抗體濃度為1即相同的抗體只保留一個；

步驟5.8，種群更新，選取當(dāng)前最好的x個抗體，并將該抗體群加入到記憶庫中，輸出最優(yōu)的抗體；循環(huán)迭代，直到迭代結(jié)束，輸出最優(yōu)抗體即為最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)；

表3 采用不同算法從仿真fMRI數(shù)據(jù)中學(xué)習(xí)到的腦效應(yīng)連接網(wǎng)絡(luò)的結(jié)構(gòu)

增加邊減少邊反向邊相同邊(實際邊/標準邊)PC614717/11CPC505617/11CCD604818/11FCI506517/11LINGAM6011017/11GES004711/11syn002911/11AIS0011011/11

表3中AIS代表本方法提供的方法，增加邊數(shù)表明：該方法學(xué)習(xí)到的邊而標準網(wǎng)絡(luò)沒有此邊；減少邊數(shù)表明：該方法未學(xué)習(xí)到的邊而標準網(wǎng)絡(luò)有此邊；反向邊數(shù)表明：該方法學(xué)習(xí)到的邊在標準網(wǎng)絡(luò)中也存在，但是方向相反；相同邊表明：該方法學(xué)習(xí)到的邊在標準網(wǎng)絡(luò)中也存在，且方向相同；實際邊表明：該方法學(xué)習(xí)到的圖的總邊數(shù)；標準邊表明：該數(shù)據(jù)集的標準圖的邊數(shù)。