[發明專利]一種基于超體素和譜聚類的大腦功能分區方法

在審

• 申請號: 201810469865.0
• 申請日: 2018-05-16
• 公開（公告）號: CN108921816A
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 孔佑勇;孫君校;馬浩宇;雷仁昊
• 申請（專利權）人: 東南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06K9/62
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 周蔚然

本發明公開了一種基于超體素和譜聚類方法下的大腦功能分區方法，以實現對大腦的功能分區。該方法首先將靜息態功能磁共振成像進行預處理。然后，針對靜息態功能磁共振成像特點，設計超體素生成算法，對大腦皮層區域生成超體素。之后，針對多段成像生成的超體素，采用譜聚類的方法，分別得到超體素之間圖權重矩陣。最后，對多段成像的權重矩陣求得平均，采用歸一化割方法，實現大腦皮層的功能分區。本發明通過對多段大腦的靜息態功能磁共振成像進行融合，能減少圖像噪聲的影響，從而獲得較準確、穩定的大腦功能分區。

技術領域

本發明屬于數字圖像處理技術領域，是一種大腦磁共振圖像的處理方法，涉及超體素的聚類方法，更為具體的說，是涉及一種基于超體素和譜聚類方法下的大腦功能分區算法。

背景技術

近年來，大腦網絡分析已經廣泛應用于神經發育與老化、神經與精神疾病，以及大腦認知等多個領域，也取得了不錯的成果。大腦網絡分析以大腦分區為節點，基于各種腦影像技術，計算不同節點之間的連接作為邊建立大腦網絡。而大腦功能分區的算法，在近年來也是層出不窮，譜聚類算法、模糊聚類算法……。

但是，傳統的結構分區不能明確地區分不同的大腦功能,對于描述大腦網絡具有一定的局限性；且已有的聚類方法難以有效應對高維時間序列信號與噪聲的影響，造成聚類的不確定性。

發明內容

為解決上述問題，本發明公開了一種基于超體素和譜聚類的大腦功能分區方法。對靜息態功能磁共振成像(rsfMRI)進行預處理后，對每段圖像生成超體素，計算超體素之間的權重矩陣，對多段成像的權重矩陣求得平均，采用歸一化割方法，實現大腦皮層的功能分區。

為實現上述目的，本發明采用的技術方案如下：

一種基于超體素和譜聚類的大腦功能分區方法，包括如下步驟：

(1)圖像預處理；

(2)每段數據生成超體素；

(3)計算超體素之間的圖權重矩陣；

(4)計算多段數據的圖權重矩陣的平均；

(5)歸一化割譜聚類。

進一步地，步驟(1)中所述的圖像預處理，具體操作為：

1-1，對大腦的fMRI圖像進行時間層校正(Slice timing)；

1-2，再對圖像進行運動校正(Motion correction)；

1-3，兩次校正后，對圖像進行標準化(Normanlization)；

1-4，用0.01-0.08HZ的帶通濾波器處理圖像，將其他范圍的頻率分量衰減；

1-5，為進一步去除圖像的噪聲，對圖像進行去除線性趨勢(Linear trendremoval)處理；

1-6，空間平滑(spatial smoothing)處理，平滑核為4mm；

1-7，預處理最后，去除圖像協變量(scrubbing)。

進一步地，步驟(2)中所述的每段數據生成超體素，具體操作為：

2-1，將大腦的fMRI圖像根據時間序列分成n段；

2-2，對這n段序列進行超體素處理；初始化種子點(聚類中心)：根據期望生成的超像素個數，在fMRI圖像內均勻地分配種子點。假設圖像一共有N個體素，期望生成的超體素個數為M，則每個超體素的大小為

V＝N/M

其中M也為初始種子點的個數，相鄰種子點的距離(步長)近似為