[發明專利]基于量子勢能模型的功能磁共振成像腦分區方法及系統

有效

• 申請號: 201811307663.2
• 申請日: 2018-11-05
• 公開（公告）號: CN109615605B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 路偉釗;侯坤;邱建峰
• 申請（專利權）人: 山東第一醫科大學（山東省醫學科學院）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明公開了一種基于量子勢能模型的功能磁共振成像腦分區方法及系統。其中，一種基于量子勢能模型的功能磁共振成像腦分區方法，包括對fMRI腦圖像進行預處理；利用量子勢能模型對預處理后的fMRI腦圖像進行分區。本發明利用量子算法在分析處理大數據、高維度數據時所具備的優勢，將腦分區轉化為量子勢能模型，通過量子計算對單個被試或者多個被試的fMRI數據進行聚類分區，此系統適用于fMRI圖像的處理。

技術領域

本發明屬于功能磁共振成像圖像處理領域，尤其涉及一種基于量子勢能模型的功能磁共振成像腦分區方法及系統。

背景技術

功能磁共振成像(functional magnetic resonance imaging,fMRI)已經發展成為神經認知領域的主要工具。與正電子放射斷層造影技術、腦電圖掃描技術不同，fMRI利用血氧水平依賴信號探測大腦中的激活區域，這種方法具有無創性、能深入探測大腦內部區域等優勢，因此現已被廣泛用于腦科學領域的方方面面。然而人腦包含約860億神經元，復雜的大腦結構導致fMRI研究產生海量數據，對硬件、軟件的性能以及人力都提出了極高的要求。現行方案是將大腦分為多個腦區，通過腦區的分析，可以避免處理過多冗余數據，提高分析效率。腦功能分區技術因此應運而生，在腦科學、認知科學領域受到廣泛關注。

腦分區是一種將大腦空間分為若干具有一致性且不相互重疊區域的技術，目前常見的腦分區技術主要有三種，基于感興趣區的分析、腦圖譜以及數據驅動的腦分區技術。

基于感興趣區的分區方法將數據分析的關注點設置在一個預先定義的區域中，這個預先定義的區域可以根據先驗實驗結果進行選擇。目前基于感興趣區的分析方法已應用于老齡化、病理、腦網絡等fMRI數據的分析與研究當中。然而基于感興趣區的分析方法也存在種種弊端，它忽視了感興趣區以外的信號，因此分區結果的好壞在一定程度上取決于感興趣區的選取。而且不同人群大腦存在一定程度的差異，基于感興趣區的分析對不同人群并不具有普適性。

腦圖譜顧名思義，即根據現有知識，將大腦分為若干解剖學或功能上相互連接的區域。目前比較常用的腦圖譜有自動解剖標記腦圖譜、布羅德曼分區腦圖譜等，但是以上腦圖譜年代久遠，對人腦的分區不夠精細。而且現有的腦圖譜之間存在不一致性。而且由于腦圖譜是通過采集特定人群的數據制作而成的，對特殊人群可能存在偏差。

不同于基于感興趣區和基于腦圖譜的分區方法，數據驅動的腦分區方法通過聚類算法，對數據進行分類，可以充分提取數據內在特征，更好地反應數據固有屬性。而且國內外對數據驅動腦分區的研究近些年越來越熱，其中，數據驅動腦分區的方法有基于k-均值聚類的腦分區、基于層次聚類的腦分區和基于譜聚類的腦分區等。

但是以上種種聚類方法存在著依賴初始種子點選擇、受制于人的主觀因素影響、無法對包含大數據量的圖像進行快速聚類分析等缺陷。因此，亟需一種對包含大數據量的圖像準確快速地分類方法。

發明內容

為了解決現有技術的不足，本發明的第一目的是提供一種基于量子勢能模型的功能磁共振成像腦分區方法，其對包含大數據量的fMRI腦圖像，能夠快速準確地進行分區。

本發明的一種基于量子勢能模型的功能磁共振成像腦分區方法，包括：

對fMRI腦圖像進行預處理；

利用量子勢能模型對預處理后的fMRI腦圖像進行分區。

進一步的，利用量子勢能模型對預處理后的fMRI腦圖像進行分區的具體過程為：

提取預處理后的fMRI腦圖像中的灰質部分，得到灰質圖像；

將灰質圖像轉換為二維矩陣形式M；其中，行數等于灰質圖像的總體素數，列數為4的整數倍，且倍數等于待分區fMRI腦圖像的數量；每一行代表一個體素，每4列分別代表體素的x、y、z軸位置坐標及體素的灰度值；