[發(fā)明專(zhuān)利]基于動(dòng)態(tài)連接的腦功能網(wǎng)絡(luò)變異識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011230144.8
• 申請(qǐng)日: 2020-11-06
• 公開(kāi)（公告）號(hào): CN112348833B
• 公開(kāi)（公告）日: 2023-07-11
• 發(fā)明（設(shè)計(jì)）人: 王博丞
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江傳媒學(xué)院
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): G06T7/11;G06V10/764;G06V10/762;G06V10/30;A61B5/055;A61B5/00
• 代理公司: 杭州裕陽(yáng)聯(lián)合專(zhuān)利代理有限公司 33289
• 代理人: 盛影影

本發(fā)明公開(kāi)了一種基于動(dòng)態(tài)連接的腦功能網(wǎng)絡(luò)變異識(shí)別方法及系統(tǒng)，該方法包含：生成場(chǎng)域分布信息數(shù)據(jù)；對(duì)大腦皮層進(jìn)行分區(qū)；計(jì)算動(dòng)態(tài)連接性矩陣；對(duì)動(dòng)態(tài)鏈接矩陣進(jìn)行閾值化；根據(jù)動(dòng)態(tài)連接性矩陣計(jì)算大腦功能性拓?fù)涠攘浚粚?duì)大腦功能性拓?fù)涠攘窟M(jìn)行非參檢驗(yàn)；對(duì)非參檢驗(yàn)后的大腦功能性拓?fù)涠攘窟M(jìn)行降噪；通過(guò)分類(lèi)模型對(duì)降噪后的大腦功能性拓?fù)涠攘窟M(jìn)行分析以對(duì)測(cè)試者進(jìn)行分類(lèi)。本發(fā)明的基于動(dòng)態(tài)連接的腦功能網(wǎng)絡(luò)變異識(shí)別方法及系統(tǒng)，通過(guò)自動(dòng)腦分區(qū)方法將大腦皮層分割為若干個(gè)子區(qū)域，對(duì)這些腦區(qū)進(jìn)行時(shí)空動(dòng)態(tài)特性分析，計(jì)算滑動(dòng)窗口下腦連接矩陣的拓?fù)渲行男裕ㄟ^(guò)非參檢驗(yàn)和后置噪聲處理，減小了動(dòng)態(tài)腦連接矩陣方法帶來(lái)的較強(qiáng)干擾信息和噪聲。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于動(dòng)態(tài)連接的腦功能網(wǎng)絡(luò)變異識(shí)別方法及系統(tǒng)。

背景技術(shù)

隨著神經(jīng)影像科學(xué)技術(shù)的發(fā)展，人們對(duì)大腦結(jié)構(gòu)性和功能性特征的研究不斷深入。尤其是磁共振技術(shù)的不斷提高，在成像質(zhì)量和效率等方面都取得了驚人進(jìn)步，這為深入探索大腦功能機(jī)理和類(lèi)腦仿生等奠定了基礎(chǔ)。在國(guó)內(nèi)外腦科學(xué)相關(guān)的研究和應(yīng)用中，已經(jīng)基本實(shí)現(xiàn)了對(duì)大腦結(jié)構(gòu)性病變的準(zhǔn)確診斷。以阿爾茲海默癥為例，明顯的大腦結(jié)構(gòu)改變往往意味著該病情已惡化至不可逆轉(zhuǎn)。因此，如何實(shí)現(xiàn)人類(lèi)大腦功能性異常的早期預(yù)測(cè)，是目前各國(guó)研究的前沿問(wèn)題。

依靠磁共振成像技術(shù)，現(xiàn)有的大腦功能性變異診斷方法主要包括靜態(tài)和動(dòng)態(tài)功能連接兩種。靜態(tài)功能連接方法重點(diǎn)評(píng)估大腦中各個(gè)腦區(qū)之間關(guān)聯(lián)程度的平均水平，計(jì)算時(shí)間或空間上的相關(guān)性系數(shù)。而動(dòng)態(tài)功能連接方法是將一段時(shí)間序列下的功能磁共振信號(hào)窗口化，形成彼此重疊的片段序列，評(píng)估每個(gè)片段中大腦在時(shí)間和空間上的特征。有證據(jù)表明，動(dòng)態(tài)功能連接分析方法更有助于腦功能異常的標(biāo)識(shí)和早期預(yù)測(cè)。

在大腦功能連接分析基礎(chǔ)上，為進(jìn)一步對(duì)大腦的復(fù)雜工作模式進(jìn)行表征，現(xiàn)有技術(shù)方案會(huì)對(duì)由靜態(tài)/動(dòng)態(tài)功能連接矩陣進(jìn)行指標(biāo)評(píng)估，計(jì)算全局性變異系數(shù)或局部性顯著差異，采用復(fù)雜腦網(wǎng)絡(luò)、流形學(xué)習(xí)等算法建模，刻畫(huà)大腦工作機(jī)理，將大腦的原始度量空間由高維向低維轉(zhuǎn)化，并從中提取相關(guān)模式信息。隨著人工智能技術(shù)發(fā)展和實(shí)驗(yàn)水平的不斷提升，根據(jù)這些提取出來(lái)的大腦模式信息，現(xiàn)有技術(shù)已實(shí)現(xiàn)較高水平的分類(lèi)識(shí)別能力，將腦功能異常患者和健康對(duì)照人群區(qū)分開(kāi)來(lái)。

盡管近年已有部分研究采用動(dòng)態(tài)腦連接方法分析大腦時(shí)空特性變異，例如對(duì)阿爾茲海默癥患者的預(yù)測(cè)。但現(xiàn)有的研究方法和技術(shù)都只實(shí)現(xiàn)了兩類(lèi)對(duì)象的識(shí)別能力，即患者和健康。無(wú)法進(jìn)一步識(shí)別出早期輕度認(rèn)知障礙和晚期輕度認(rèn)知障礙，它們被普遍認(rèn)為是阿爾茲海默癥的前期階段。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于動(dòng)態(tài)連接的腦功能網(wǎng)絡(luò)變異識(shí)別方法及系統(tǒng)，采用如下的技術(shù)方案：

一種基于動(dòng)態(tài)連接的腦功能網(wǎng)絡(luò)變異識(shí)別方法，包括以下步驟：

對(duì)磁共振成像設(shè)備的磁場(chǎng)分布情況進(jìn)行評(píng)估以生成場(chǎng)域分布信息數(shù)據(jù)；

通過(guò)磁共振成像設(shè)備獲取到的測(cè)試者的磁共振數(shù)據(jù)以及場(chǎng)域分布信息數(shù)據(jù)對(duì)測(cè)試者的大腦皮層進(jìn)行分區(qū)得到大腦皮層分區(qū)結(jié)構(gòu)，磁共振數(shù)據(jù)包括結(jié)構(gòu)性磁共振數(shù)據(jù)和功能性磁共振數(shù)據(jù)；

基于大腦皮層分區(qū)結(jié)構(gòu)和功能性磁共振數(shù)據(jù)計(jì)算測(cè)試者的動(dòng)態(tài)連接性矩陣；

對(duì)動(dòng)態(tài)鏈接矩陣進(jìn)行閾值化處理；

根據(jù)閾值化處理后的動(dòng)態(tài)連接性矩陣計(jì)算測(cè)試者的大腦功能性拓?fù)涠攘浚?/p>

對(duì)大腦功能性拓?fù)涠攘窟M(jìn)行非參檢驗(yàn)；

對(duì)非參檢驗(yàn)后的大腦功能性拓?fù)涠攘窟M(jìn)行降噪；

通過(guò)分類(lèi)模型對(duì)降噪后的大腦功能性拓?fù)涠攘窟M(jìn)行分析以對(duì)測(cè)試者進(jìn)行分類(lèi)。

進(jìn)一步地，通過(guò)四分位法對(duì)非參檢驗(yàn)后的大腦功能性拓?fù)涠攘窟M(jìn)行降噪。

進(jìn)一步地，通過(guò)四分位法對(duì)非參檢驗(yàn)后的大腦功能性拓?fù)涠攘窟M(jìn)行降噪的具體方法為：