[發明專利]一種適于多被試fMRI數據分析的快速移不變CPD方法

有效

• 申請號: 201811510882.0
• 申請日: 2018-12-11
• 公開（公告）號: CN109498017B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 鄺利丹;林秋華;龔曉峰;叢豐裕
• 申請（專利權）人: 長沙理工大學
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00
• 代理公司: 遼寧鴻文知識產權代理有限公司 21102
• 代理人: 楊植

一種適于多被試fMRI數據分析的快速移不變CPD方法，屬于醫學信號處理領域。在移不變CPD算法的基礎上，利用交替最小二乘法對被試共享SM成分、共享TC成分和各被試強度更新估計；在不影響時延估計性能的情況下，將維數高的共享SM成分和原始多被試fMRI數據通過矩陣相乘和轉換成維數低的數據，從而加快算法運算速度以及降低運算內存。本發明所需內存明顯降低，而且能夠快速且有效地對任務態多被試fMRI數據的任務相關成分進行估計。

技術領域

本發明涉及醫學信號處理領域，特別是涉及一種多被試功能磁共振成像fMRI(functional magnetic resonance imaging)數據的分析方法。

背景技術

采用磁共振掃描儀對多個被試的大腦進行掃描，獲取的腦功能數據稱為多被試fMRI數據。fMRI憑借其無損傷且空間分辨率高等優勢，成為了目前腦科學研究的一大重要技術。多被試fMRI數據一般看成為一個三維張量，包括空間維、時間維和被試維，可以采用張量分解算法來處理。CPD(canonical polyadic decomposition)是一種典型的張量分解算法。CPD在多被試fMRI數據分析中物理意義明確，將多被試fMRI數據分解為各被試間共享腦空間激活成分(spatial map,SM)和共享時間過程成分(time course,TC)，以及各被試的強度差異信息。這些信息可以為腦功能研究和腦疾病診斷提供重要依據。

多被試fMRI數據不可避免地存在著被試間空時差異性。其中時間差異性問題主要是由于各被試響應時間和血液動力學時延方面存在差異導致的。針對該問題，等人在2008年文章“M.,Hansen,L.K.,Arnfred,S.M.,Lim,L.H.,Madsen,K.H.,Shift-invariant multilinear decomposition of neuroimaging data.NeuroImage 42,2018,1439-1450.”中提出了一種移不變CPD算法，在無約束CPD模型中加入了被試TC時延估計，容許被試TC時延差異，分離性能優于無約束CPD算法。

近幾年，大規模的多被試fMRI數據(被試數目從幾十到上萬)的研究越來越受到人們的關注，而且fMRI數據的空間維數通常很高，比如5萬多個腦內體素，因此當移不變CPD算法應用于多被試fMRI數據時，存在著運行速度慢且內存需求高的問題，特別是在被試時延的更新估計過程中，需要存儲的數據量比較大。

發明內容

本發明提供了一種適于多被試fMRI數據的快速移不變CPD方法，通過矩陣相乘和變換，讓被試時延估計速度變快、運行內存降低，且性能不會下降。

在移不變CPD算法的基礎上，利用交替最小二乘法對被試共享SM成分、共享TC成分和各被試強度更新估計；在不影響時延估計性能的情況下，將維數高的共享SM成分和原始多被試fMRI數據通過矩陣相乘和轉換成維數低的數據，從而加快算法運算速度以及降低運算內存。

本發明的技術方案步驟如下：

第一步：輸入多被試fMRI數據其中I表示腦內體素數目(空間維)，J表示掃描次數(時間維)，K表示被試數目。

第二步：初始化。設成分個數為D(D為正整數且0D≤J)。隨機初始化共享SM成分共享TC成分和被試強度初始化被試時延為零矩陣。令迭代次數iter＝0，相對誤差Δε_iter＝1，計算迭代誤差ε_iter：