[发明专利]血样水平依赖性功能磁共振信号震荡频率聚类分析方法

说明书

技术领域

本发明属于医学图像处理与分析技术领域，具体地说，涉及一种血样水平依赖性功能磁共振信号震荡频率聚类分析方法。

背景技术

血氧水平依赖效应功能磁共振成像可无损地检测和定位脑功能区，是神经影像学发展的一项新技术。它不仅可以反映脑功能及生理改变，还可进行脑功能定位整合神经解剖与功能信息，直观反映与各类疾病或认知任务相关的神经机制。

机体的各种生理心理活动都伴随的中枢神经元的放电活动。神经元集体点活动导致神经及周围组织血流生化变化。神经元活动需消耗大量的能量，脑组织通过呼吸作用提供这些能量，呼吸作用需要消耗氧，因此脑活动的增加将伴随局部氧耗的增加。为了给活跃的脑区提供氧分，局部血流灌注也会增加，局部血流灌注的增加会带来更多的氧合血红蛋白。但局部脑组织血流灌注的增加和血氧消耗增加的比例不同，血流量增加明显超过氧耗量的增加，这种差异导致脑激活区的静脉血氧合血红蛋白增加，脱氧血红蛋白比例相对减少。由于脱氧血红蛋白是顺磁性物质，可引起T2缩短，当其浓度下降时，导致T2*和T2延长，在T2*WI上信号增强，此即血氧水平依赖效应。BOLD-fMRI就是依据这种磁敏感性对比增强的原理成像的。

相比于脑电（EEG）、X射线断层成像（CT）和正电子发射断层成像（PET），BOLD-fMRI具有空间分辨率高、无放射性的优势，能够无损地观察脑深部任何部位的结构和代谢活动。但相较于EEG信号，BOLD-fMRI时间分辨率较低，血液动力学信号也通常被认为是低频信号，目前BOLD-fMRI研究领域缺乏类似于EEG数据分析领域的数据驱动的频率分析技术。

多项研究发现，不同频率的脑波对应不同的功能，不同信息在脑区之间的传播可能通过不同频率的脑波实现。BOLD-fMRI研究表明，不同频率的血氧水平变化信号可能反映不同的脑功能，不同的疾病也特异性地影响特定频率的BOLD活动。这些文献表明，研究脑活动的频率具有重要意义。

然而以往临床及基础科学研究都忽略了BOLD信号的频率信息而往往观察信号幅度随着不同任务的变化。例如视觉皮层的BOLD信号幅度在接受视觉刺激时相较于静息状态时升高，然而很少有研究关注其频率是否也发生改变。随着静息态BOLD-fMRI在各类疾病及基础生理研究中的增加，人们发现静息态BOLD信号的各种量化指标也能够反映脑功能的改变。

不同的疾病或任务是否也导致了BOLD信号频率的改变？要回答这个问题首先要刻画正常人静息态下不同脑区BOLD活动的频率。多数BOLD频率特性的研究都是用人为事先设定好参数的带通滤波器对BOLD信号进行处理，这不仅没有考虑到BOLD信号非平稳非线性的特性，而且如何确定频段的划分也是一个问题。频段划分得不正确可能导致结果的不稳定，同时线性滤波器也使得BOLD信号失真。

发明内容

本发明要解决的技术问题是克服上述缺陷，提供一种血样水平依赖性功能磁共振信号震荡频率聚类分析方法，解决了目前fMRI研究领域缺乏数据驱动的频率分析方法的问题，为基础科学及临床研究提供新的影像学分析方法，同时为临床疾病诊断和病理机制的研究提供新的量化指标和生理标志物。

为解决上述问题，本发明所采用的技术方案是：

血样水平依赖性功能磁共振信号震荡频率聚类分析方法，其特征在于:包括以下步骤：

步骤一：对从磁共振机器采集到的静息态数据进行预处理分析；

步骤二：采用希尔伯特黄变换对预处理后的信号进行分解，得到不同频率的固有模态函数；希尔伯特黄变换包括经验模式分解和希尔伯特变换两步；

步骤三：计算不同频率成分的量化指标；

步骤四：以步骤三的量化指标为分类依据，将脑内不同体素聚类，统计分析以上不同指标。

作为一种改进，所述步骤一）中，对从磁共振机器采集到的静息态数据为BOLD-fMRI信号数据，对BOLD-fMRI信号数据进行预处理分析的具体实现步骤为：

1）、利用基于MATLAB平台的SPM软件，对采集到的静息态数据进行时间差异矫正；

2）、对时间矫正过后的数据进行头动对齐；

3）、对头动对齐后的数据进行空间标准化；

4）、对空间标准化后的数据进行去线性漂移和时域标准化。

作为一种改进，所述步骤二）中，采用希尔伯特黄变换对预处理后的信号进行分解，得到不同频率的成分，即固有模态函数，具体实现步骤为：

1）、采用经验模式分解对信号进行分解，得到若干固有模态函数；

2）、对经验模式分解后得到的固有模态函数进行希尔伯特变换。