[發明專利]個體化神經調控靶點的定位系統

在審

• 申請號: 202111097922.5
• 申請日: 2021-09-18
• 公開（公告）號: CN115836839A
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 王征;沈翔宇
• 申請（專利權）人: 中國科學院腦科學與智能技術卓越創新中心
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/055
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 杜娟;駱希聰

1.一種個體化神經調控靶點的定位系統，其特征在于，包括：

數據獲取模塊，用于獲取被檢者的靶點腦區的功能磁共振數據；

靶點腦區功能網絡構建模塊，用于根據所述功能磁共振數據構建靶點腦區功能連接網絡，所述靶點腦區功能連接網絡包括所述靶點腦區之間的第一功能連接值；

靶點腦區分割模塊，用于基于所述靶點腦區功能連接網絡將所述靶點腦區分割成多個子腦區；

子腦區功能網絡構建模塊，用于計算每個所述子腦區與其余子腦區之間的第二功能連接值，構建所述子腦區相對于全腦的子腦區功能連接網絡；以及

異常定位模塊，用于采用異常值檢測方法計算所述被檢者的每個子腦區功能連接網絡的異常程度指標，比較每個所述靶點腦區的子腦區的異常程度指標，將具有最大的異常程度指標的子腦區定位為異常靶點腦區。

2.如權利要求1所述的定位系統，其特征在于，所述靶點腦區功能網絡構建模塊提取每個所述靶點腦區中的每個體素的時間序列，計算每兩個所述靶點腦區中的任意體素的時間序列之間的皮爾森相關系數，并使用Fisher-Z變換將所述皮爾森相關系數變換成z值，將所述z值作為相關體素之間的所述第一功能連接值。

3.如權利要求1所述的定位系統，其特征在于，所述靶點腦區分割模塊利用非監督機器學習算法將所述靶點腦區分割成多個子腦區。

4.如權利要求3所述的定位系統，其特征在于，所述非監督機器學習算法包括k-means聚類方法。

5.如權利要求1所述的定位系統，其特征在于，所述子腦區功能網絡構建模塊還用于提取每個所述子腦區中的每個體素的時間序列，計算每個靶點腦區中的每個子腦區的子腦區平均時間序列與全腦腦區中的其余腦區的平均時間序列之間的皮爾森相關系數，并使用Fisher-Z變換將所述皮爾森相關系數變換成z值，將所述z值作為所述子腦區和所述其余腦區之間的所述第二功能連接值。

6.如權利要求5所述的定位系統，其特征在于，所述全腦腦區包括根據AAL模板劃分的116個腦區，所述腦區包括所述靶點腦區。

7.如權利要求1所述的定位系統，其特征在于，所述異常值檢測方法包括grubbs方法，其中，將正常人的子腦區功能連接網絡作為正常分布，所述異常值檢測方法計算所述被檢者的子腦區功能連接網絡相對于所述正常分布的異常程度指標。

8.如權利要求7所述的定位系統，其特征在于，所述異常定位模塊還用于計算所述被檢者的每個所述子腦區相對全腦腦區中的其余腦區的異常程度指標的平均值，將所述平均值作為所述子腦區的異常程度指標。

9.如權利要求7所述的定位系統，其特征在于，所述異常定位模塊還用于將每個所述靶點腦區劃分為左側和右側，計算所述左側的每個體素和所述右側的每個體素之間的左右功能連接值，比較所述被檢者的左右功能連接值和所述正常人的左右功能連接值。

10.如權利要求9所述的定位系統，其特征在于，所述異常定位模塊還分別計算所述左側和所述右側的異常程度指標獲得靶點腦區左右側差異，比較所述被檢者的靶點腦區左右側差異和所述正常人的靶點腦區左右側差異。

11.如權利要求1所述的定位系統，其特征在于，所述靶點腦區包括左右腦后聯合腦區和左右腦顳頂聯合腦區。

12.如權利要求1所述的定位系統，其特征在于，還包括輸出模塊，用于將所述異常程度指標最大的子腦區和子腦區信號最強體素配準到所述被檢者的腦空間，并在所述腦空間的圖像中顯示所述異常程度指標最大的子腦區和子腦區信號最強體素。