[發(fā)明專利]聯(lián)合ICA和功能梯度的小腦-大腦運動功能整合方法

有效

• 申請?zhí)枺?/td>: 202211148736.4
• 申請日: 2022-09-21
• 公開（公告）號: CN115546124B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計）人: 蔣思思;陳均霞;羅程;堯德中
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.一種聯(lián)合ICA和功能梯度的小腦-大腦運動功能整合方法，其特征在于，包括：

S1、將被試分為健康對照組與GTCS患者組，采集所有被試的靜息態(tài)功能磁共振圖像，并對靜息態(tài)功能磁共振圖像進(jìn)行預(yù)處理；

S2、對經(jīng)過預(yù)處理的功能磁共振圖像進(jìn)行小腦-大腦功能連接分析，獲得小腦-大腦功能連接數(shù)據(jù)；步驟S2具體為：

S21、從各被試經(jīng)預(yù)處理后的靜息態(tài)功能磁共振圖像中分別提取小腦和大腦部分，將提取的小腦和大腦部分配準(zhǔn)到標(biāo)準(zhǔn)空間形成小腦和大腦模板，并將體素重采樣為3×3×3mm³，最終形成包含N1個體素的小腦模板和N2個體素的大腦模板；

S22、針對每個被試，提取小腦和大腦中每個體素的時間序列；

S23、計算小腦中每個體素的時間序列與整個大腦中所有體素的時間序列之間的皮爾遜相關(guān)系數(shù)，得到N1×N2相關(guān)系數(shù)矩陣；

S24、將N1×N2相關(guān)系數(shù)矩陣中所有相關(guān)系數(shù)經(jīng)Fisher-Z變換得到Z值，最終每個被試生成一個N1×N2維的小腦-大腦功能連接數(shù)據(jù)；

S3、基于小腦-大腦功能連接數(shù)據(jù)進(jìn)行組水平的獨立成分分析，根據(jù)與運動網(wǎng)絡(luò)最佳匹配原則，標(biāo)記出大腦運動成分，接著進(jìn)一步用多元線性回歸模型將大腦運動成分映射到小腦，得到小腦運動成分；記被試總數(shù)為n；步驟S3將n個被試的N1×N2維的小腦-大腦功能連接數(shù)據(jù)納入組水平獨立成分分析；所述組水平獨立成分分析具體分析過程為：

A1、使用主成分分析沿N1方向壓縮n個被試的功能數(shù)據(jù)維度；

A2、利用Infomax算法對串聯(lián)的壓縮后數(shù)據(jù)進(jìn)行獨立成分分析；

A3、通過雙回歸算法重建每個被試的空間獨立成分及相應(yīng)的“時間過程”；在所有的空間獨立成分中，根據(jù)與運動網(wǎng)絡(luò)最佳匹配原則，標(biāo)記出m個運動成分；

S4、基于小腦-大腦功能連接數(shù)據(jù)進(jìn)行功能梯度分析，得到每個被試的腦功能梯度；步驟S4具體包括以下分步驟：

S41、對各被試的小腦-大腦功能數(shù)據(jù)進(jìn)行稀疏化；

S42、一個小腦和一個大腦體素為一對體素，計算成對體素間的余弦距離以生成余弦相似矩陣；

S43、采用非線性的降維算法從余弦相似矩陣中識別出連接模式的梯度成分，從而得到每個被試的腦功能梯度；

S44、將所有被試的小腦和大腦的時間序列分別串聯(lián)，求串聯(lián)后的小腦時間序列與大腦時間序列之間的皮爾遜相關(guān)系數(shù)，得到小腦-大腦平均連接矩陣，該矩陣被計算用來產(chǎn)生一個組水平的梯度成分模板，然后執(zhí)行Procrustes旋轉(zhuǎn)以使每個被試的梯度與該模板對齊；

S45、使用6mm的高斯平滑核對每個被試的第一個梯度成分進(jìn)行平滑處理；

S5、將小腦運動成分作為自變量，每個被試的腦功能梯度作為因變量，應(yīng)用基于體素協(xié)變的多元線性回歸模型將兩種方法進(jìn)行融合分析，得到小腦運動功能對小腦功能層級結(jié)構(gòu)的貢獻(xiàn)；

S6、對健康對照組和GTCS患者組的貢獻(xiàn)結(jié)果進(jìn)行統(tǒng)計分析，得到兩個組的顯著差異的腦區(qū)。

2.根據(jù)權(quán)利要求1所述的一種聯(lián)合ICA和功能梯度的小腦-大腦運動功能整合方法，其特征在于，步驟S3所述將大腦運動成分映射到小腦的具體實現(xiàn)過程為：

B1、將每個被試的運動成分作為自變量，每個被試的小腦-大腦功能連接數(shù)據(jù)作為因變量，最終每位被試得到m×N1個映射值；

B2、對這些映射值進(jìn)行Z分?jǐn)?shù)化，得到Z值圖譜，即小腦運動成分；

B3、對步驟B2得到的小腦運動成分進(jìn)行平滑處理；得到平滑后的小腦運動成分。

3.根據(jù)權(quán)利要求2所述的一種聯(lián)合ICA和功能梯度的小腦-大腦運動功能整合方法，其特征在于，步驟S5具體為：

將平滑后的每個被試的梯度和每個小腦運動成分轉(zhuǎn)換為一維向量；

應(yīng)用下列公式，使用線性回歸模型量化小腦運動成分和梯度之間的關(guān)系；

其中，y_(i)表示第i個被試的梯度，V_motorj(i)表示第i個被試的第j個小腦運動成分，β_j(i)表示第i個被試第j個小腦運動成分對梯度的貢獻(xiàn)，c表示常數(shù)，ε是回歸模型的殘差。