[發明專利]一種基于流行學習算法的fMRI數據二維可視化方法

有效

• 申請號: 201710506526.0
• 申請日: 2017-06-28
• 公開（公告）號: CN107330948B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 陳華富;顏紅梅;王沖;黃偉
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 甘茂

該發明公開了一種基于流行學習算法的fMRI數據二維可視化方法,該方法屬于生物醫學圖像模式識別技術領域，具體涉及功能磁共振圖像數據的降維可視化方法。本發明利用流行學習算法對fMRI數據進行降維處理并實現了大腦體素的二維可視化，具有高效性以及高穩定性。并且t?SNE算法本身的降維機制也決定了二維可視化的結果可以保持數據原有的空間拓撲關系。本發明對于功能磁共振數據的二維可視化方面提出了新的有效的方法，首次將流行學習算法應用于大腦fMRI數據的二維可視化，可以作為傳統皮層展開圖、膨脹圖的一種補充手段。

技術領域

本方法屬于生物醫學圖像模式識別技術領域，具體涉及功能磁共振圖像數據的降維可視化方法。

背景技術

近年來，血氧水平依賴性磁共振腦功能成像(Blood oxygenation level-dependent functional magnetic resonance imaging,BOLD-fMRI)技術得到極快的發展。比起現有其他大腦功能成像技術，fMRI不僅時間分辨率更高，就連空間分辨率也可達到毫米水平。因此我們可以利用fMRI對特定的大腦活動的皮層區域進行準確、可靠的定位。而為了能直觀地展現出這些大腦活動的皮層區域，fMRI數據的可視化工作顯得尤為重要。

功能磁共振數據的二維可視化是指將處理分析后的fMRI數據在二維平面內以直觀的形式表現出來，以方便結果觀察和引用。目前比較常用的方法主要有皮層“充氣”膨脹(inflatten)和皮層的切開、展平(cut and flatten)。這兩種方法都是在圖像分割的基礎上進行的三維計算，在醫學圖像的三維結構測量和分析中應用較廣。例如在視網膜拓撲映射圖(Retinotopic map)技術中，我們通常把枕葉的皮層的溝回結構進行展開，從而在平面圖像上對不同視覺刺激下激活的區域進行評價,如圖2。

目前上述兩種方法可以通過很多專業軟件來實現，比較常用的有Caret、Freesurfer、BrainVoyager等，這兩種方法都是以保持皮層的解剖拓撲結構為原則的。而在功能磁共振數據的二維可視化過程中，我們有時并不關注大腦體素所在皮層的解剖結構信息，而更多地關注這些體素的空間拓撲關系。現在并沒有很好的方法可以在保持大腦體素的空間拓撲關系的基礎上將fMRI數據降維，并且在二維平面內進行可視化展示。

發明內容

針對上述存在的問題，本發明提供了一種新的fMRI數據的二維可視化方法。在算法選取方面，為了比較不同流行學習算法的效果，我們用AAL模板中43-56腦區的體素數據構建了原始數據，并用不同流行學習算法對該數據進行了二維可視化(圖3)，結果顯示t-分布鄰域嵌入(t-SNE)算法的效果最佳。

為了進一步驗證t-SNE算法可以很好地保持原數據的空間拓撲屬性，我們分別對全腦體素數據以及AAL模板43-56腦區的體素數據使用t-SNE算法進行三維映射(即用t-SNE算法將原數據轉換為新的三維數據)并以三視圖的形式進行可視化，結果如圖4、圖5所示。可以很明顯地看到，在用上述算法進行處理后，結果依舊保持了原始數據的空間拓撲屬性。

本發明所用方法基于t-SNE算法將fMRI數據降維為二維數據，然后展示出來；本發明方案為一種基于流行學習算法的fMRI數據二維可視化方法，該方法包括：

步驟1.獲取腦部的功能性磁共振圖像fMRI，并將其與腦功能區模板進行匹配，確定每個體素點所處的腦功能區，所述的腦功能區模板為已有的標準大腦功能分區模板；