[发明专利]一种基于移动平均时间序列模型的脑功能激活区检测方法

说明书

技术领域

本发明属于生物信息、图像识别技术领域，涉及一种基于时间序列状态分析的核磁共振成像(functional Magnetic Resonance Imaging，fMRI)图像后处理技术。

背景技术

功能磁共振成像(fMRI)技术是在传统磁共振成像(Magnetic Resonance Imaging，MRI)技术的基础上发展而来。fMRI技术基于血氧水平依赖(Blood Oxygenation Level-Dependent，BOLD)，通过测量由脑血流或脑血氧变化而引起的磁共振信号变化来反映脑活动。由于其具有无创性、可重复性等优点，并可提供较高的图像空间分辨率，该技术已被广泛应用于神经科学、临床医学等领域的研究。作为一种非侵入性检测手段，fMRI可为一些重要脑功能区(如运动、语言等)定位。脑功能定位研究是神经科学研究发展极为迅速的领域之一，为人类的认知与思维活动及疾病的康复治疗与预测带来了新的前景。目前，脑功能定位研究已广泛应用于神经外科、认知功能相关研究、康复治疗与预测、社会心理等方面。随着基础研究与临床方面的应用深入，合理有效的分析fMRI数据并提取与外部刺激相关的脑激活区对于脑功能活动区的精确定位愈发重要。

现有fMRI脑功能激活区检测方法大多基于广义线性模型(General Linear Model，GLM)方法。该模型本质上是一种模型驱动(Data Driven)的一元回归分析方法，一般先指定一个先验模型(即一个包含实验设计、人为增加的心跳、呼吸、头动等因素的模型)，将该模型分别与大脑中的每一个体素的时间序列进行匹配，确定每一个体素的“激活”状态。因此，该方法的应用前提是fMRI时间序列中“激活”体素的信号强度时间序列变化需符合实验设计中的指定的先验模型。然而，越来越多的影像学研究及临床应用表明，神经激活信号的时间变化模式并无准确先验。因此，基于GLM模型的先验假设过于单一，并不能够很好地表示fMRI数据。脑活动的分布模式、血液动力学模型等不能由GLM模型恰如其分地模拟。

发明内容

为了避免现有方法的不足，本发明设计一种基于移动平均时间序列模型的脑功能激活区检测方法，以克服现有方法依赖先验模型的缺点，达到有效提取脑激活区目的。

为实现上述目的，本发明提出的一种基于移动平均时间序列模型的磁共振成像脑激活区检测方法，其特征在于，该方法包括以下步骤：

步骤1，对采集到的原始功能磁共振成像(fMRI)图像进行预处理；

步骤2，对于每个被测试者逐体素计算每个被测试者的个体体素信号强度时间序列模型；

步骤3，对于组群，计算每个个体在组群中的权重值，并根据全脑个体体素信号强度时间序列模型，逐体素构建组群体素信号强度时间序列模型；

步骤4，根据全脑组群体素信号强度时间序列模型，应用区域增长方法实现脑激活区的提取。

本发明针对现有脑影像fMRI数据分析方法过于依赖先验模型这一问题，采用移动平均方法构建大脑中每个体素的时间序列状态变化模型，该时间序列动态变化模型不依赖与先验知识；通过区域增长方法度量各体素时间序列动态变化的活动相似性，可自适应地提取脑功能激活区。将该方法应用于fMRI影像数据集的结果亦表明，该方法是一种有效的脑功能激活区提取方法。

附图说明

图1是本发明方法流程示意图。

图2是本发明中个体体素信号强度时间序列动态变化模型。

图3是本发明中组群体素信号强度时间序列动态变化模型。

图4是本发明中提取的脑功能区激活图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

参照图1，本发明提出的一种基于移动平均时间序列模型的脑功能激活区检测方法，具体包括以下步骤：

步骤1、对采集到的原始fMRI图像进行预处理。