[發明專利]數據分析方法及裝置

有效

• 申請號: 201710341940.0
• 申請日: 2017-05-16
• 公開（公告）號: CN107194918B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 張嶸;壽小婧;許勵治;韓松平;韓濟生
• 申請（專利權）人: 北京大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種數據分析方法，其特征在于，所述方法包括：

在接收到N個全腦影像數據組時，對所述N個全腦影像數據組中的每個全腦影像數據執行預處理操作，得到N個全腦基礎數據組；其中，N是大于或者等于2的正整數，且每個所述全腦影像數據組包括若干個全腦影像數據；

根據所述N個全腦基礎數據組中的每個全腦基礎數據，計算每個全腦預先劃分的若干個腦分區之間的特征連接值，得到N個特征連接值組；

計算所述N個特征連接值組之間的組間效應量；

按照所述組間效應量將每個特征連接值分類，并建立分類模型。

2.如權利要求1所述的數據分析方法，其特征在于，所述根據所述N個全腦基礎數據組中的每個全腦基礎數據，計算每個全腦預先劃分的若干個腦分區之間的特征連接值包括：

按照預設的標準模板將全腦劃分為若干個腦分區；

分別從每個全腦基礎數據中獲取相應腦分區對應的基礎數據；

對所述腦分區對應的基礎數據執行Pearson’s相關；

對Pearson’s相關后的數據執行Fi sher’s z變換，得到所述腦分區之間的特征連接值A，其中，

其中，所述n表示所述腦分區的數量,ij表示任意兩個腦分區之間的功能連接數值。

3.如權利要求1或2所述的數據分析方法，其特征在于，所述計算所述N個特征連接值組之間的組間效應量包括：

當計算兩個特征連接值組之間的組間效應量時，使用公式：

其中，所述是所述兩個特征連接值組中每個特征連接值組的樣本平均值；所述S_pool是所述兩個特征連接值的樣本合并標準差，

其中，所述S是所述兩個特征連接值組中每個特征連接值組的樣本標準差，n₁表示樣本1中的樣本的數量，n₂表示樣本2中樣本的數量。

4.如權利要求1或2所述的數據分析方法，其特征在于，所述計算所述N個特征連接值組之間的組間效應量包括：

當計算多個特征連接值組之間的組間效應量時，使用公式：

其中，所述η²是一個統計量，表示因素A在總體變異中所占的比例，

其中，所述SS_A代表因素A產生的所述多個特征連接值組組間變異，所述SS_total為總方差，

SS_A＝∑n_j(Y_j-Y_T)²

SS_total＝∑(Y_ij-Y_j)²

其中，ij表示任意兩個腦分區之間的功能連接數值，所述n_j為所述多個特征連接值組中特征連接值的總數，所述Y_j為所述多個特征連接值組中每組的平均值，所述Y_T為所述多個特征連接值組的總平均值，所述Y_ij為所述多個特征連接值組中的每一個數值。

5.如權利要求1所述的數據分析方法，其特征在于，所述對所述N個全腦影像數據組中的每個全腦影像數據執行預處理操作，包括：

將所述影像數據從醫學數字成像和通信DICOM格式轉換為NIFTI格式；

去除NIFTI格式數據中前10個時間點的數據，得到剩余數據；

對所述剩余數據執行時間層矯正和頭動矯正；

按照預設標準模板對矯正后的數據執行空間標準化；

對所述空間標準化的數據執行高斯平滑、去線性漂移、濾波和去除協變量的操作。