[发明专利]基于网络特征熵定量刻画脑功能网络的方法

权利要求书

1.一种基于网络特征熵定量刻画脑功能网络的方法，其特征在于步骤包括：

1)采集静息状态下的功能磁共振成像数据；

2)针对采集到的功能磁共振成像数据进行预处理；

3)选择包含大脑皮层功能分区的脑模板；

4)针对预处理后的功能磁共振成像数据，将脑模板上的不同脑区看成脑功能网络中的节点，从而提取每个节点的平均时间序列信号，计算节点之间的相关系数，得到功能连接矩阵，将所述功能连接矩阵进行二值化得到邻接矩阵，从而形成脑功能网络，所述邻接矩阵形成的脑功能网络刻画了节点间相互作用关系，反映了脑功能网络的拓扑属性；

5)计算脑功能网络中每一个节点的特征向量中心度及能量集中度；

6)根据脑功能网络中每一个节点的能量集中度计算大脑网络特征熵；

所述步骤4)的详细步骤包括：

4.1)针对预处理后的功能磁共振成像数据，将脑模板上的不同脑区看成脑功能网络中的节点，提取每个节点的平均时间序列信号；

4.2)采用式(1)计算节点之间的相关系数，得到一个对称的大小为n*n的时间序列相关矩阵A(a_ij)，其中n表示脑功能网络节点个数，a_ij表示节点i的平均时间序列信号x_i与节点j的平均时间序列信号x_j之间的相关系数，以相关系数表示节点之间的功能连接，因此所述时间序列相关矩阵A(a_ij)表示了脑功能网络中各节点间功能连接，称为功能连接矩阵；

aij=E(xixj)-E(xi)E(xj)E(xi2)-E2(xi)E(xj2)-E2(xj)---(1)]]>

式(1)中，E(x_ix_j)表示x_ix_j数学期望，E(x_i)表示x_i的数学期望，E(x_j)表示x_j的数学期望，表示的数学期望，E²(x_i)表示x_i数学期望的平方，表示x_j²的数学期望，E²(x_j)表示x_j数学期望的平方；

4.3)针对所述功能连接矩阵，首先根据任意两节点之间功能连接对应的统计值p，通过Bonferroni校正，将对应统计值p大于预设统计值的节点对之间的功能连接设为0，将对应统计值p小于或等于预设统计值的节点对之间的功能连接设为1，其次将所述功能连接矩阵中小于0的元素设为0，从而将所述功能连接矩阵二值化得到邻接矩阵形成脑功能网络，所述脑功能网络刻画了节点间相互作用关系，反映了脑功能网络的拓扑属性。