[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

本發明實施例公開了一種數據分析方法及裝置，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；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。本方案在將全腦劃分多個腦分區后，計算腦分區之間的特征連接值，并以每個全腦的特征連接值參考數據，對多組全腦數據進行分析，從而能夠對腦數據進行全局分析，進而能夠得到腦分區之間的功能連接和網絡。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及一種數據分析方法及裝置。

背景技術

隨著生命科學的飛速發展，生命科學界對人體最復雜和精密的器官，腦，的研究越來越重視。傳統的研究方式通常是，通過磁共振成像技術和功能磁共振成像技術獲取人腦的圖像數據，以所獲取的圖像數據為基礎，確定待研究的腦分區，并計算待研究的腦分區與其他分區的關系，從而得到該腦分區的研究數據。

基于傳統的研究方式可知，現有的腦數據分析方法，將所確定的待研究腦分區作為核心對腦數據進行計算，因此，所得到的研究數據也更偏重于體現待研究腦分區的特征，從而導致所得到的數據結果相對較為片面，進而，對技術人員研究全腦的功能和狀態構成限制。

有鑒于此，本領域技術人員急需一種全面分析腦數據的方法。

發明內容

本發明實施例提供了一種數據分析方法及裝置，以解決現有技術得到的數據結果較為片面的問題。

第一方面，本發明實施例提供了一種數據分析方法，該方法包括：

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。

結合第一方面，在第一方面第一種可能的實現方式中，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Fisher’sz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。

結合第一方面，在第一方面第二種可能的實現方式中，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，