[发明专利]一种基于复杂网络的偏头痛患者大脑皮层的辅助分类分析方法

说明书

技术领域

本发明属于医学影像学图像处理技术领域，尤其是涉及一种基于复杂网络的偏头痛患者大脑皮层的辅助分类分析方法。

背景技术

偏头痛是一种常见的反复发作的慢性神经综合征，常伴有恶心、呕吐及畏光、畏声等。随着神经影像技术在偏头痛研究上的深入，人们对偏头痛的生理病理机制的认识已逐渐从最初的血管学说发展为神经血管学说，直至中央神经系统紊乱学说。并认为皮层扩散性抑制是先兆性偏头痛重要病理生理机制。进一步研究发现，偏头痛患者局部大脑皮层的结构和功能较之于正常人存在显著异常，这些区域包括：前额皮层，前喙扣带皮层，眶额皮层以及脑岛等，而这些皮层在大脑中都参与到疼痛处理，这说明偏头痛的产生与大脑疼痛处理机制的异常有关。

作为一种新型的、非侵入式的测量神经元自发活动的方法，静息态功能磁共振成像技术越来越受到关注。有学者采用局部一致性以及低频振幅比率等方法分析偏头痛患者的神经元自发性活动，发现在左侧前喙扣带皮层，双侧前额叶和右丘脑等区域，偏头痛患者较之正常人会发生改变。

近年来，将图论知识应用于功能磁共振成像数据分析成为了研究热点，研究人员通过定义人的大脑区域为节点、区域之间的功能连接为边，构建人脑网络。用图论的方法研究发现许多神经疾病患者的(如：精神分裂症，阿尔兹海默症等)大脑静息态脑功能网络的拓扑结构(如：聚类系数、特征路径长度等)较之于正常人会呈现显著异常，有学者认为这些异常可以作为辅助相关疾病诊断的生理病理标志。

发明内容

本发明的目的是要针对目前技术上的不足，提出基于复杂网络的智能测评方法，通过构建偏头痛患者大脑皮层的静息态脑功能复杂网络，并分析相关的网络拓扑结构测度在偏头痛患者(MP)与正常人(NC)之间的统计学差异，实现偏头痛患者样本的分类。

为解决上述技术问题，本发明提供的技术步骤如下：

步骤1：按照临床医学诊断标准，分别采集正常人对照组(NC)和偏头痛患者组(MP)的大脑静息态功能磁共振图像，两组样本的数目相等或者接近，获取过程中被试要求保持大脑清醒，平躺于磁共振仪器内，不做任何定性思考。

步骤2：对所采集的被试数据进行预处理。

所有数据均去除了前10个时间点，以消除被试在习惯实验环境过程中受到不均衡磁场的影响。预处理流程主要包括时间层矫正(slice timing)，头动矫正(realign)、图像标准化(normalization)以及平滑处理(smooth)等操作。首先，所有的数据集采用正弦内插方法消除时间偏移，进而再用六度间变换方法的方法消除空间偏移；其次，为了尽量减少伪影，在任何方向上位移大于1.5mm或头部转动大于1.5°的时间片都会被丢弃；第三，所有数据集进行空间标准化时，都以蒙特利尔神经学研究所(MNI)平面回波成像图像为模进行重采样；最后，通过带通滤波器(0.01Hz＜f＜0.1Hz)，以除去低频漂移和高频生理噪声。

步骤3：计算正常人对照组和偏头痛患者组两组大脑静息态功能磁共振图像的大脑功能连接矩阵。

本发明采用的是自动解剖标签模板，该模板将大脑划分为90个感兴趣区域，在网络构建中，我们将这90个大脑区域定义为一系列节点；然后，将所有脑区的时间序列都通过带通滤波(0.01-0.08Hz)进行过滤，以去除磁场漂移和高频噪音的影响；随后，将大脑白质深部的平均时间过程和6个刚体运动参数从已滤波后的时间序列中进行回归分析；最后，再计算每个种子区域的平均时间序列，并获得由所有可能连接节点之间皮尔森偏相关系数所组成的90*90的矩阵。

步骤4：构建两组大脑的复杂网络。