[發(fā)明專利]基于特征模態(tài)與分層模塊的腦功能模式特征提取方法有效
| 申請?zhí)枺?/td> | 202011297449.0 | 申請日： | 2020-11-19 |
| 公開（公告）號： | CN112396584B | 公開（公告）日： | 2023-09-08 |
| 發(fā)明（設(shè)計(jì)）人： | 王榮;常昭 | 申請（專利權(quán)）人： | 西安科技大學(xué) |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06F18/10;G06F18/213;G06F18/24;A61B5/055;A61B5/00 |
| 代理公司： | 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350 | 代理人： | 黨桃桃 |
| 地址： | 710054 *** | 國省代碼： | 陜西;61 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 特征 分層 模塊 功能 模式 提取 方法 | ||
1.基于特征模態(tài)與分層模塊的腦功能模式特征提取方法，其特征在于，包括如下步驟：
步驟1：對大腦fMRI圖像數(shù)據(jù)進(jìn)行預(yù)處理；
步驟2：構(gòu)建動態(tài)功能連接網(wǎng)絡(luò)
預(yù)處理之后，采用AAL圖譜將大腦fMRI圖像數(shù)據(jù)劃分為n＝90個(gè)腦區(qū)；在每個(gè)腦區(qū)內(nèi)，將所有體素信號進(jìn)行疊加平均，得到每個(gè)腦區(qū)的fMRI時(shí)間序列之后，構(gòu)建動態(tài)功能連接網(wǎng)絡(luò)；
具體構(gòu)建動態(tài)功能連接網(wǎng)絡(luò)的方法為：
將時(shí)間序列劃分為時(shí)間片段，在每個(gè)時(shí)間片段內(nèi)，計(jì)算i和j兩個(gè)腦區(qū)fMRI信號的皮爾森相關(guān)系數(shù)
和是腦區(qū)i和腦區(qū)j從時(shí)間t到時(shí)間t+W之間的fMRI時(shí)間序列；和是時(shí)間序列的平均值；W是滑動時(shí)間窗的寬度；L是每個(gè)腦區(qū)的時(shí)間序列長度；m為第m個(gè)時(shí)間點(diǎn)；
將皮爾森相關(guān)系數(shù)作為t時(shí)刻，腦區(qū)i和腦區(qū)j之間的功能連接；由于皮爾森相關(guān)系數(shù)有可能為負(fù)值，將負(fù)的功能連接設(shè)為0，功能矩陣對角線元素保持為1；
將動態(tài)功能連接網(wǎng)絡(luò)記為C(t)，其元素
步驟3：特征模態(tài)分解
對于任意時(shí)刻t的動態(tài)功能連接網(wǎng)絡(luò)C(t)都可以分解為C＝UΛUT,其中U為特征向量，Λ為特征值，UT為特征向量U的轉(zhuǎn)置；在特征譜空間中，按照特征值從大到小的順序，對特征模態(tài)進(jìn)行排序；根據(jù)排序后的特征模態(tài)對動態(tài)功能連接網(wǎng)絡(luò)進(jìn)行分層模塊劃分；
步驟4：計(jì)算動態(tài)功能連接網(wǎng)絡(luò)的動態(tài)特征
具有更多模塊的高階模態(tài)與更局部的整合過程有關(guān)，產(chǎn)生更高的功能性分離，并伴隨著較低的貢獻(xiàn)度；尤其是具有最高模塊數(shù)量的模態(tài)產(chǎn)生完全分離的過程，并且需要很小的貢獻(xiàn)度；因此，具有較大模塊數(shù)量的功能模態(tài)會產(chǎn)生較強(qiáng)的功能性分離和較小尺度的局部整合，對應(yīng)的貢獻(xiàn)度較弱，即特征值較?。?/p>
首先根據(jù)動態(tài)功能連接網(wǎng)絡(luò)第k層的特征值Λk和模塊數(shù)量Mk，定義反映每層包含的功能性分離與整合成分；Hk為每層包含的功能性分離與整合成分；N＝90，N為模塊劃分的層數(shù)；k為動態(tài)功能連接網(wǎng)絡(luò)的層數(shù)；將所有層的Hk進(jìn)行平均，得到整個(gè)動態(tài)功能連接網(wǎng)絡(luò)的分離與整合成分指標(biāo)HF，由于每個(gè)被試者的HF隨時(shí)間動態(tài)變化，進(jìn)一步計(jì)算HF的方差F，通過F來刻畫動態(tài)功能連接網(wǎng)絡(luò)在分離與整合狀態(tài)之間切換的靈活性；在靜息態(tài)下大腦的靈活性指標(biāo)為FRest，任務(wù)態(tài)下大腦的靈活性指標(biāo)為FTask；其中為HF在時(shí)間上的均值，L為HF時(shí)間序列的長度；F越大，表明大腦具有更高的靈活性；
步驟5：動態(tài)功能連接網(wǎng)絡(luò)動態(tài)特征與認(rèn)知行為的關(guān)系
任務(wù)態(tài)下大腦的靈活性指標(biāo)FTask顯著大于在靜息態(tài)下大腦的靈活性指標(biāo)FRest，表明任務(wù)態(tài)大腦需要更高的靈活性；分別對FRest、FTask、靈活性差別ΔF與行為指標(biāo)RT/(Stdev(RT))之間建立穩(wěn)建線性回歸模型，從而分析大腦動態(tài)功能連接網(wǎng)絡(luò)動態(tài)特征與認(rèn)知行為之間的關(guān)系；其中，靈活性差別ΔF＝FRest-FTask；結(jié)果表明：FRest、FTask、靈活性差別ΔF分別與行為指標(biāo)表現(xiàn)出顯著的線性關(guān)系。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安科技大學(xué)，未經(jīng)西安科技大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011297449.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
