[發明專利]基于動態連接的腦功能網絡變異識別方法及系統

有效

• 申請號: 202011230144.8
• 申請日: 2020-11-06
• 公開（公告）號: CN112348833B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 王博丞
• 申請（專利權）人: 浙江傳媒學院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06V10/764;G06V10/762;G06V10/30;A61B5/055;A61B5/00
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 盛影影

1.一種基于動態連接的腦功能網絡變異識別方法，其特征在于，包括以下步驟：

對磁共振成像設備的磁場分布情況進行評估以生成場域分布信息數據；

通過所述磁共振成像設備獲取到的測試者的磁共振數據以及所述場域分布信息數據對測試者的大腦皮層進行分區得到大腦皮層分區結構，所述磁共振數據包括結構性磁共振數據和功能性磁共振數據；

基于所述大腦皮層分區結構和所述功能性磁共振數據計算測試者的動態連接性矩陣，大腦皮層被分割成360個大腦皮層子區，對所述功能性磁共振數據采用滑動窗口進行分割，時間序列為140幀，設定窗口大小是15幀，滑動步長為1幀，共產生125個分割后的子序列，在360個腦分區內部，各個模態下的數據都采用均一化處理，并在這125個窗口序列中，進行相關性分析，計算分區之間的皮爾森系數，最終形成360x360x125大小的所述動態連接性矩陣；

對所述動態連接性矩陣進行閾值化處理，

采用以下公式計算最佳閾值：

max_dPSW(GCE)＝GE-dPSW,

其中，GE是全局效率，M是腦區分割的數量，n是腦區個數，PSW為最強權重與所有有效權重之間的比例，變化范圍從0到1，步長為0.05，d_ij是腦區i和腦區j之間的拓撲距離，隨著PSW值變化而變化，迭代搜索取得最大GCE值所對應的PSW，并將其作為所述動態連接性矩陣的最佳閾值，dPSW代表該最佳閾值在不同測試者或不同窗口中是變化的；

根據閾值化處理后的所述動態連接性矩陣計算測試者的大腦功能性拓撲度量；

對所述大腦功能性拓撲度量進行非參檢驗；

通過下述公式對所述大腦功能性拓撲度量進行非參檢驗：

T＝(t-1)t(t+1)＝t³-t，

式中，C是分組個數，n_i是第i組中的樣本數量，N是所有分組的樣本總和，R_i是每個分組中的特征值排序和，t是具有相同排序位置的特征值數量；

通過上述公式計算出H值從滿足卡方分布的統計表查找到其對應的F值以判斷所述大腦功能性拓撲度量的顯著性；

對非參檢驗后的所述大腦功能性拓撲度量進行降噪；

通過分類模型對降噪后的所述大腦功能性拓撲度量進行分析以對測試者進行分類；

分類類別包含：健康、早期輕度認知障礙、晚期輕度認知障礙和阿爾茲海默癥患者。

2.根據權利要求1所述的基于動態連接的腦功能網絡變異識別方法，其特征在于，

通過四分位法對非參檢驗后的所述大腦功能性拓撲度量進行降噪。

3.根據權利要求2所述的基于動態連接的腦功能網絡變異識別方法，其特征在于，

所述通過四分位法對非參檢驗后的所述大腦功能性拓撲度量進行降噪的具體方法為：

將所述大腦功能性拓撲度量中的特征值按大小進行排序；

標記這組特征值中的中位數、平均數、最大值、最小值、下四分位數和上四分位數；

將所述下四分位數和所述上四分位數的差值記為四分差；

將所述最小值至1.5倍所述四分差之間的值以及上所述四分位至1.5倍所述四分差之間的值刪除；

重復以上步驟進行多次噪聲排除。