[发明专利]一种对复数fMRI数据进行ICA分析的后处理消噪方法

说明书

技术领域

本发明涉及复数fMRI数据的ICA分析，特别是涉及一种对复数fMRI数据进行ICA分析的后处理消噪方法。

背景技术

脑功能研究是世界范围内的重点和难点，而功能磁共振成像(functional magnetic resonance imaging,fMRI)凭借其无损伤和高空间分辨率优势，已成为脑功能研究的重要手段之一。通过采用模型驱动的分析方法如GLM(general linear model)，或数据驱动的分析方法如独立成分分析(independent component analysis,ICA)，人们可以从fMRI数据中提取丰富的空间激活脑区信息。

fMRI数据是复数，包括幅值数据和相位数据。但大部分fMRI分析方法只分析幅值数据，而完全丢弃相位数据。其原因在于，相位数据的噪声比幅值数据大且特性未知，这致使复数fMRI数据的分析极具挑战性。然而，fMRI相位数据中含有独特的脑功能成分，为了揭示完整的脑功能信息，必须加以利用。为此，自2000年初起，人们开始探索利用复数fMRI数据的ICA方法。2002年，Calhoun等人首先将ICA用于复数fMRI数据分析(Calhoun,V.D.,Adali,T.,Pearlson,G.,Van Zijl,P.,Pekar,J.,2002.Independent component analysis of fMRI data in the complex domain.Magnetic Resonance in Medicine48,180-192)。为了消除相位噪声，该方法在ICA之前丢弃了大脑前半部分的体素。换句话说，此时的ICA只利用了约50％的复数fMRI数据。即使是这样，与只分析fMRI幅值数据的ICA方法相比，Calhoun方法所提取任务相关成分的连续激活体素数也平均高出12-23％。2009年，Rodriguez等人提出了一种新的相位消噪方法—相位质量图(phase quality map)消噪法(Rodriguez,P.A.,Correa,N.M.,Eichele,T.,Calhoun,V.D.,Adali,T.,2009.Quality map thresholding for de-noising of complex-valued fMRI data and its application to ICA of fMRI.IEEE International Workshop on Machine Learning for Signal Processing(MLSP),1-6)。该方法将fMRI相位数据中相位变化高于人为设定门限的体素确定为噪声体素，在ICA之前将其从复数fMRI数据中去除。实验表明，这部分去除数据约占fMRI总数据量的30％，也就是说，当利用相位质量图方法进行消噪时，ICA能利用约70％的复数fMRI数据，数据利用率得以提高，所恢复的脑功能信息更为丰富。因此，相位质量图消噪法在多篇复数fMRI数据的ICA分析文献中得以应用。

但是，不难看到，上述两种消除相位噪声的方法都在ICA之前去除了部分复数fMRI数据(至少30％左右)，这些去除数据中也含有丰富的脑功能信息。以一种运动刺激下采集的复数fMRI数据为例，消噪前复数fMRI数据所包含的独立成分个数不低于40，但相位消噪后降为26个，也就是说，大约14个脑功能成分因载体数据的缺失而缺失。可见，在ICA分析中利用复数fMRI数据是提取完整脑功能信息的关键。

发明内容

本发明的目的在于，取消ICA之前的相位消噪预处理，取而代之的是在ICA之后提供一种对空间激活脑区成分进行有效消噪的方法，保障ICA能够对单被试和多被试复数fMRI数据进行分析，解决因消噪预处理而造成的数据丢弃和脑信息损失问题。