[發明專利]一種fMRI數據空間源相位從實數域到復數域的映射方法

有效

• 申請號: 201910205693.0
• 申請日: 2019-03-18
• 公開（公告）號: CN109948529B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 林秋華;張超穎
• 申請（專利權）人: 大連理工大學
• 主分類號: G06T11/00
• 分類號: G06T11/00
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉;趙玲玲

本發明公開了一種fMRI數據空間源相位從實數域到復數域的映射方法，屬于生物醫學信號處理領域。首先，對fMRI實數域相位數據進行空間ICA分離，根據感興趣成分的空間參考網絡對ICA得到的源成分做極性校正，選取感興趣成分；接著，選取感興趣成分的空間源相位，對其做取正值和空間平滑預處理；然后，估計空間源相位值的分布直方圖，生成對稱化的數據點，并求取擬合這些數據點的函數；最后，將擬合函數的值域變換到[0,π]得到映射函數，并將其用于空間源相位從實數域到復數域的映射。本發明將復數域空間源相位的消噪優勢推廣到了實數域，克服了傳統閾值消噪法的性能劣勢，為fMRI數據分析的后處理消噪提供了新的手段。

技術領域

本發明涉及生物醫學信號處理領域，特別是涉及一種功能磁共振成像(functional magnetic resonance imaging,fMRI)數據空間源相位從實數域到復數域的映射方法。

背景技術

fMRI是一種基于血氧水平依賴(blood oxygenation level dependent,BOLD)效應對腦神經元活動進行測量的醫學影像技術。實驗獲取的fMRI數據是復數的，包括幅值和相位兩部分。現有研究表明，fMRI相位數據含有獨特且生理意義明確的腦功能信息。利用數據驅動的獨立成分分析(independent component analysis,ICA)算法，不需要任何先驗知識，就可以從fMRI數據中提取一系列最大程度相互獨立的空間激活腦區(spatial map,SM)成分及其時間序列(time course,TC)成分。

具體而言，fMRI幅值和相位數據均屬于實數域，二者構成fMRI復數域數據。利用ICA方法從fMRI數據分離的SM和TC成分屬于源信號。因此，從fMRI數據中可以獲取兩種SM相位成分(稱為空間源相位)。(1)復數域空間源相位：由ICA從fMRI復數數據中分離的復數SM成分的相位，值域確定為[-π,π]；(2)實數域空間源相位：利用ICA從fMRI實數域相位數據中分離得到的SM成分，值域隨機。

現有研究表明，復數域空間源相位具有強大的消噪能力。在SM全部體素中，BOLD相關體素呈現小相位，即BOLD相關體素對應[-π/4,π/4]范圍之內的小相位值，而噪聲體素則對應[-π/4,π/4]之外的大相位值(Yu MC,Lin QH,Kuang LD,Gong XF,Cong F,CalhounVD.ICA of full complex-valued fMRI data using phase information of spatialmaps.Journal of Neuroscience Methods 249,75–91,2015)。利用復數域空間源相位的這一特性，稱之為小相位特性，可以定位BOLD相關的體素，去掉大量閾值法無法去除的噪聲體素，尤其是腦邊緣噪聲。

相比之下，實數域空間源相位在腦網絡識別和腦功能連接分析中體現出很高的應用價值。首先，將實數域空間源相位與空間源幅值(由ICA從fMRI實數域幅值數據中提取的SM成分)結合，可以提高健康人和病人分類的正確率。其次，實數域空間源相位與源幅值的腦功能連接模式不同，為腦疾病的識別提供了新的生物標記。最后，在較高的ICA模型階數下，實數域空間源幅值趨于分裂，而空間源相位仍存在完整成分，在健康人和病人分類方面更具優勢。