[發明專利]多模態連接模式的腦區劃分方法

有效

• 申請號: 202010413761.5
• 申請日: 2020-05-15
• 公開（公告）號: CN111583281B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 高超宏;彭力;謝林柏
• 申請（專利權）人: 江南大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/73;G06V10/762
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 馮瑞

本發明公開了一種多模態連接模式的腦區劃分方法。本發明.一種多模態連接模式的腦區劃分方法，包括：在基于功能磁共振成像的腦區劃分中，當需要獲得組水平的腦區劃分結果時，需要多進行兩步，即將個體結果傳播到標準空間，并在標準空間獲得組上平均值，為了能同時獲得個體水平和組水平的結果。本發明的有益效果：整合了兩種磁共振成像數據模態下基于連接模式進行腦區劃分的流程，并提出了具體的集成化軟件的開發方法。

技術領域

本發明涉及腦區劃分領域，具體涉及一種多模態連接模式的腦區劃分方法。

背景技術

神經影像數據是腦科學研究的基石。隨著磁共振成像設備的不斷改良和成像方法的逐漸優化，磁共振成像數據不管是在空間分辨率還是時間分辨率中都得到了一定程度的改善。例如，當所需的研究數據以突出空間分辨率為主時，體素的大小將精確到毫米級甚至更高的精細度。同時，當所需的研究數據以突出時間分辨率為主時，快速成像技術的優化和成像設備的硬件條件的改良也能帶來時間分辨率的提高。然而，值得注意的是，當MRI數據的空間分辨率和時間分辨率較高時，數據的量級也會呈現出較大的增長。除去為了提高數據分辨率而帶來的數據量級的增長外，MRI數據本身的量級也十分龐大。在進行磁共振成像時，在只考慮空間分辨率的情況下，假設體素的大小設置為1mm的立方體，那么進行磁共振掃描后的MRI數據的量級最小將是10⁸。在考慮時間維度的情況下，MRI數據的量級將更大。此外，在進行MRI數據的預處理和后續分析時，中間過程所產生的中間數據和日志文件等也將為數據的存儲和計算帶來較大的負擔。因此，基于以上分析，可以得出的結論是MRI數據的量級龐大，計算任務比較繁重。

腦網絡是一個結構復雜的小世界網絡，滿足一定的稀疏性質。同時，在神經科學領域內一個公認的觀點是，同時處于一個大腦區域的神經元具有相似的連接模式。由于神經元的尺度(100um)十分微小，而目前的成像設備和空間編碼技術難以達到如此精細的空間分辨率，因此用體素對其進行模擬。即，同屬于一個腦區亞區的體素具有相似的連接模式，連接模式越相似，屬于同一腦區的概率越高。基于此觀點，研究者們將腦網絡依據體素的連接模式的相似性對腦區進行劃分，將某一腦區內的體素劃分為若干數量的亞區，進而將整個大腦的網絡劃分為若干數量的子網絡。在進行腦網絡研究時，便可以具體到子網絡水平。當腦區劃分完成后，在進行腦部功能分析時便可以在子網絡的連接模式上進行，從而極大的降低了計算成本。例如，在研究大腦的語言功能時，不進行腦區劃分而直接研究時，在具有解剖學先驗知識的情況下，也需要對大腦的語言區進行體素尺度的建模與分析；然而，在進行語言區的腦區劃分后，只需要在語言區的亞區進行亞區尺度的建模與分析即可。通過以上分析，可以得出的結論是腦區劃分為腦科學的研究減輕了計算上的成本，將大腦的功能研究從全腦尺度縮小到腦區亞區尺度。

以神經影像數據進行驅動的腦信息科學研究是隨著磁共振成像技術和計算機科學的發展而逐漸興盛的一個新興的研究方向。因為腦信息科學的發展較晚，且目前的研究發展處于實驗室水平，故在該領域內所能使用的輔助軟件較為有限。目前，主流的用于處理和分析fMRI數據的軟件是SPM(Statistical?Parametric?Mapping)，該軟件是由英國的Hammersmith醫院的Friston等人在通用數學軟件包MATLAB上開發的神經影像分析工具，該軟件的功能包括神經影像數據(包括fMRI、PET等)的預處理，如頭動校正、圖像配準和空間平滑等，也包括基于神經影像數據進行統計分析的功能。此外，由牛津大學開發的FSL(FMRIB?Software?Library)軟件是一個基于MATLAB的工具包，該軟件可用于fMRI和DTI等數據的分析。FSL的一個強大功能是可以自動的計算體素內神經纖維的走行方向的概率分布函數，從而進行概率性神經纖維追蹤，這為其他函數庫和軟件的開發提供一個非常實用的纖維追蹤工具。在神經影像數據可視化方面，3D?Slicer是一個具有代表性的醫學圖像數據可視化軟件，該軟件最初由哈佛大學的影像數學實驗室進行開發。3D?Slicer具有強大的3D影像數據可視化的功能，不僅能支持科學研究，也能在實際醫療過程中提供幫助。然而，這些軟件并不具備利用多模態磁共振成像數據進行腦區劃分的功能。因此，開發一款利用多模態磁共振成像數據進行腦區劃分的軟件具有一定的必要性。