[發明專利]基于網絡特征熵定量刻畫腦功能網絡的方法

有效

• 申請號: 201610230029.8
• 申請日: 2016-04-14
• 公開（公告）號: CN105931281B
• 公開（公告）日: 2017-10-27
• 發明（設計）人: 胡德文;范一鳴;曾令李;沈輝;秦鍵
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;A61B5/055
• 代理公司: 湖南兆弘專利事務所(普通合伙)43008
• 代理人: 趙洪,譚武藝

技術領域

本發明涉及基于功能磁共振成像(fMRI)數據的大腦網絡研究領域，具體涉及一種基于網絡特征熵定量刻畫腦功能網絡的方法。

背景技術

功能磁共振成像的原理是通過磁振造影量測神經元活動引起的血液動力的改變。例如：刺激某些感官時，大腦皮層具體的某些腦功能區激活，這些激活的腦區發出神經信號，利用磁振造影獲得神經信號，得到一系列圖像。人們執行運動、感覺、高級認知等各種復雜的任務時，會激起腦內某些神經信號，這種生理性的大腦活動引起局部腦血流、腦血容、能量代謝的變化，從而導致組織磁性的變化。fMRI作為一種活體腦功能成像技術，因其具有非侵入性，理想時空分辨率等優點，迅速成為腦神經科學研究最常用的腦成像技術。

不管是生物學領域、技術領域、社會領域或者其他的科學領域都產生了類似地相互有聯系的數據集。在過去的幾十年，為了刻畫這些數據集，復雜網絡分析應運而生。復雜網絡分析主要通過圖論定量刻畫給定網絡的拓撲特性。大腦連接數據是指有功能連接或結構追蹤連接形成的網絡，它與生物或者物理系統有共同的特征，同時研究者發現大腦從微小的神經元到腦區等不同的層次上都可以建立網絡模型，這樣利用復雜網絡分析方法研究大腦網絡屬性為人們從整體上認識和研究大腦功能活動提供了一種全新的研究思路。

2006年，Achard Sophi等人利用離散小波變化轉化fMRI數據估計刻畫功能連接的頻率相關性矩陣，得到結論：fMRI數據中低頻振蕩數據集具有小世界(small world)性質。2008年van den Heuvel MP等人根據靜息功能核磁共振(rs-fMRI)數據基于體素(voxel-wise)方法，構建體素之間的功能連接，然后計算網絡圖的統計屬性發現腦功能網絡的聚類系數比對應隨機網絡的要大，并且平均路徑長度要比隨機網絡短，表明了腦功能網絡的小世界特性；另外，體素與體素之間功能連接的分布服從冪率指數近似等于2的冪率分布，表明腦功能網絡的無標度特性(scale free network)。但是，以上得到的這些拓撲特性只刻畫了腦功能網絡的一個特征，這些特征是孤立的，它的應用受到局限。比如我們探索受到很多因素影響的大腦發育，必須將這些特性進行綜合分析，提取網絡的結構趨勢特征，如何通過綜合分析定量刻畫腦功能網絡以探索網絡特征熵與大腦發育、老化規律，已經成為一項亟待解決的關鍵技術問題。

發明內容

本發明要解決的技術問題：針對現有技術的上述問題，提供通過大腦網絡特征熵揭示大腦發育及老化規律，具有原理簡單、實現簡便、被試內結果穩定性高、不同類別靈敏性好的基于網絡特征熵定量刻畫腦功能網絡的方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于網絡特征熵定量刻畫腦功能網絡的方法，步驟包括：

1)采集靜息狀態下的功能磁共振成像數據；

2)針對采集到的功能磁共振成像數據進行預處理；

3)選擇包含大腦皮層功能分區的腦模板；

4)針對預處理后的功能磁共振成像數據，將腦模板上的不同腦區看成腦功能網絡中的節點，從而提取每個節點的平均時間序列信號，計算節點之間的相關系數，得到功能連接矩陣，將所述功能連接矩陣進行二值化得到鄰接矩陣，從而形成腦功能網絡，所述鄰接矩陣形成的腦功能網絡刻畫了節點間相互作用關系，反映了腦功能網絡的拓撲屬性；

5)計算腦功能網絡中每一個節點的特征向量中心度及能量集中度；

6)根據腦功能網絡中每一個節點的能量集中度計算大腦網絡特征熵。

優選地，所述步驟4)的詳細步驟包括：

4.1)針對預處理后的功能磁共振成像數據，將腦模板上的不同腦區看成腦功能網絡中的節點，提取每個節點的平均時間序列信號；

4.2)采用式(1)計算節點之間的相關系數，得到一個對稱的大小為n*n的時間序列相關矩陣A(a_ij)，其中n表示腦功能網絡節點個數，a_ij表示節點i的平均時間序列信號x_i與節點j的平均時間序列信號x_j之間的相關系數，以相關系數表示節點之間的功能連接，因此所述時間序列相關矩陣A(a_ij)表示了腦功能網絡中各節點間功能連接，稱為功能連接矩陣；