[發(fā)明專(zhuān)利]一種fMRI數(shù)據(jù)空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910205693.0
• 申請(qǐng)日: 2019-03-18
• 公開(kāi)（公告）號(hào): CN109948529B
• 公開(kāi)（公告）日: 2022-02-15
• 發(fā)明（設(shè)計(jì)）人: 林秋華;張超穎
• 申請(qǐng)（專(zhuān)利權(quán)）人: 大連理工大學(xué)
• 主分類(lèi)號(hào): G06T11/00
• 分類(lèi)號(hào): G06T11/00
• 代理公司: 大連理工大學(xué)專(zhuān)利中心 21200
• 代理人: 梅洪玉;趙玲玲

1.一種fMRI數(shù)據(jù)空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射方法，其特征在于：

第一步，對(duì)fMRI實(shí)數(shù)域相位數(shù)據(jù)進(jìn)行空間ICA分離，根據(jù)感興趣成分的空間參考網(wǎng)絡(luò)對(duì)ICA得到的源成分做極性校正，選取感興趣成分；包括如下步驟：

(一)輸入單被試fMRI實(shí)數(shù)域相位數(shù)據(jù)其中T表示時(shí)間點(diǎn)數(shù)，V表示腦內(nèi)體素?cái)?shù)；

(二)PCA(principle component analysis)降維；對(duì)Z進(jìn)行PCA降維，記模型階數(shù)為N，N≤T，得到降維后數(shù)據(jù)

(三)ICA成分分離、極性校正與感興趣成分選取；

(1)采用實(shí)數(shù)域ICA經(jīng)典算法Infomax對(duì)進(jìn)行分離得到N個(gè)SM成分

(2)利用感興趣成分的空間參考網(wǎng)絡(luò)s_ref對(duì)N個(gè)SM成分進(jìn)行極性校正，使正值對(duì)應(yīng)腦激活區(qū)：

其中，n＝1,…,N，“corr”表示相關(guān)系數(shù)運(yùn)算；

(3)按照corr(s_n,s_ref)從大到小對(duì)s_n排序，s_n為校正后的SM成分；選取前C個(gè)作為感興趣成分的備選，簡(jiǎn)記為s_c；c＝1,…,C；識(shí)別感興趣成分如下：

其中，“∩”代表交集，“Vox_0.5”表示幅值大于0.5的體素?cái)?shù)目，最終選出的感興趣成分表示為s_c*；

第二步，選取感興趣成分的空間源相位，對(duì)其做取正值和空間平滑預(yù)處理；包括如下步驟：

(四)best run感興趣成分空間源相位提取；重復(fù)步驟(三)“ICA成分分離、極性校正與感興趣成分選取”H次，得到H個(gè)感興趣成分s_c*,h,h＝1,…,H；從s_c*,h中估計(jì)best run，即最好的一次ICA結(jié)果，得到感興趣成分的實(shí)數(shù)域空間源相位s_c*,h*，簡(jiǎn)記為s；

(五)對(duì)s取正值，得到s₊；

(六)空間平滑；對(duì)s₊采用空間平滑策略進(jìn)行如下平滑，得到

其中，“smooth”表示一個(gè)3D空間平滑操作，利用半峰全寬的高斯核；

第三步，估計(jì)空間源相位值的分布直方圖，生成對(duì)稱(chēng)化的數(shù)據(jù)點(diǎn)，并求取擬合這些數(shù)據(jù)點(diǎn)的函數(shù)；包括如下步驟：

(七)直方圖估計(jì)；設(shè)中包含V個(gè)體素，即估計(jì)其頻率分布直方圖y的每個(gè)元素計(jì)算如下：

其中，U_i＝[u_i,u_i+1)表示第i個(gè)區(qū)間，U_width＝u_i+1-u_i表示區(qū)間寬度，i＝1,..,M，M為區(qū)間的個(gè)數(shù)，表示頂函數(shù)；表示中落在U_i區(qū)間內(nèi)的體素，“Num”表示體素?cái)?shù)目統(tǒng)計(jì)；

(八)數(shù)據(jù)點(diǎn)生成；令x_i為區(qū)間U_i的右邊界點(diǎn)，即x_i＝u_i+1，i＝1,..,M，根據(jù)直方圖生成M個(gè)數(shù)據(jù)點(diǎn)(x_i,y_i)；

(九)數(shù)據(jù)點(diǎn)對(duì)稱(chēng)化補(bǔ)充；求取y_i的最大值，記其對(duì)應(yīng)的索引為i₀；保留i₀右側(cè)全部數(shù)據(jù)點(diǎn)Δi＝1,...,Q，Q為i₀右側(cè)數(shù)據(jù)點(diǎn)總數(shù)，Q＝M-i₀；以i₀為中心，對(duì)稱(chēng)產(chǎn)生左側(cè)Q個(gè)數(shù)據(jù)點(diǎn)組合和得到新的2Q+1個(gè)數(shù)據(jù)點(diǎn)，記為

k＝i₀-Q,...,i₀-1,i₀,i₀+1,...,i₀+Q；

(十)函數(shù)擬合；對(duì)于數(shù)據(jù)點(diǎn)利用非線性最小二乘法進(jìn)行函數(shù)擬合，函數(shù)族f選擇如下：

其中，β＝[β₁,β₂,β₃,β₄]為函數(shù)f對(duì)應(yīng)的參數(shù)向量；求解擬合參數(shù)β_fit如下：

采用L-M(Levenberg-Marquardt)非線性最小二乘法方法求解公式(6)，得到參數(shù)向量β的更新規(guī)則如下：

其中，J為Jacobian矩陣，它的第k行第j列元素為λ為非負(fù)的阻尼因子，公式(6)最終求得的β就是β_fit＝[β_fit,1,β_fit,2,β_fit,3,β_fit,4]，擬合函數(shù)求解完畢；

第四步，將擬合函數(shù)的值域變換到[0,π]，得到映射函數(shù)，并將其用于空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射；包括如下步驟：

(十一)值域變換；已知擬合函數(shù)的值域?yàn)閇0,β_fit,1]，將的值域變換為[0,π]，得到變換后的映射函數(shù)如下：

其中，β_map＝[π,β_fit,2,β_fit,3,β_fit,4]為映射函數(shù)的參數(shù)向量；

(十二)空間源相位映射；將步驟(六)“空間平滑”中得到的作為的自變量，的因變量即為映射后的復(fù)數(shù)域空間源相位

(十三)輸出映射后的復(fù)數(shù)域空間源相位

2.根據(jù)權(quán)利要求1所述的一種fMRI數(shù)據(jù)空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射方法，U_width取0.01～0.3。