[发明专利]基于主成分分析的关键脑区的度量方法

说明书

技术领域

本发明属于神经影像数据分析技术领域，具体涉及静息态下fMRI人脑网络中关键脑区的度量方法，尤其涉及一种基于主成分分析的关键脑区的度量方法。

背景技术

功能磁共振成像的原理是基于血氧依赖水平的，当大脑某区域的神经元兴奋，则该区域需要的氧气量会显著增加，从而引起该区域的血流量增加，而氧气需要红细胞蛋白运送，当氧合血红蛋白来到大脑的某个组织，该组织的磁敏感度将会降低，此时磁共振成像显示较高的局部信号，当该组织取走氧气后，氧合血红蛋白会变成脱氧血红蛋白，导致该组织的磁敏感性增强，在磁共振成像中显示较低的局部信号，由于其具有的较高的时间和空间分辨率、无创性和可重复性等特点，因而被广泛的用于人脑功能的研究。

图论作为描述网络特征的重要工具，目前已被广泛的用于脑网络的研究。基于图论，可以将人脑看成是一个脑网络，对人脑功能活动的研究转化为对脑网络的定量分析，对脑网络属性的分析在研究大脑功能活动具有非常重要的意义。通过比较脑疾病患者和健康对照人群的脑网络属性，有可能找到一些脑疾病的病因及其治疗方法。

衡量人类大脑关键脑区通常有节点的度、节点效率和介数中心度等测量方法。然而这些传统的单一测量指标并未考虑节点本身在大脑中所占的比重，且它们是从不同的角度出发来进行测量，时常会得到不一致的结果。即使是相同的测量指标，在不同阈值下得到的结果也不尽相同。而关键脑区的确定是脑网络分析中的一个重要方面，其关系着脑网络架构的整体变化，与脑疾病的发生发展有重要的关联，是目前全局脑网络研究中亟待解决的关键技术问题。

发明内容

本发明的目的在于克服上述现有技术中存在的利用不同指标度量关键脑区，其结果不一致的现象，及稀疏度阈值的主观选择问题，从而提出一种基于主成分分析的关键脑区的度量方法。

为了便于理解，对本发明中出现的部分名词作以下解释说明：

关键脑区：其改变被认为与某一行为或某一疾病发生发展有关，是度量大脑网络改变的重要指标。

静息态：指人类在清醒、不受任何刺激、不集中做任何事情的放松状态。

fMRI：英文全称为functional magnetic resonance imaging，功能磁共振成像，是一种新兴的神经影像学技术，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。

稀疏度：是指脑网络中节点之间的连接线数与最大可能存在的边数之比。

体素：大脑的每个脑区中含有多个体素，每个体素是指一小块立方体区域，本发明中的每个体素的大小为3×3×3mm³。

AAL模板：英文全称为Anatomical Automatic Labeling，将人脑分为116个区域，但只有90个区域属于大脑，剩余26个区域属于小脑结构，在此发明中只用到90个大脑区域。

为了实现上述目的，本发明采用以下技术方案：

一种基于主成分分析的关键脑区的度量方法，包括以下步骤：

步骤1：采集M个人静息态下的fMRI数据；

步骤2：对每个fMRI数据进行预处理；

步骤3：基于预处理后的fMRI数据，构建Q个稀疏度下的脑网络；

步骤4：计算每个稀疏度下脑网络的节点的度、节点效率和介数中心度；具体操作包括：

步骤4.1：在Q个稀疏度下，计算每个脑网络的节点的度；对于脑网络中任意一个节点i，其节点的度计算公式为：

其中，w_i是对第i个节点的度的加权值，即第i个节点对应脑区的体积大小占整个大脑的比重；b_ij是指邻接矩阵B中第(i，j)个元素值；N是指每个脑网络中的节点数目；j是指脑网络中第j个节点；所述邻接矩阵B中的元素b_ij＝0或1，0是指两个节点之间不存在边，1是指两个节点之间存在边，两个节点之间存在的边即构成每个稀疏度下脑网络的边；公式4.1中，w_i的计算公式如下：

其中，n_i是第i个节点包含的体素数目；

步骤4.2：在Q个稀疏度下，计算每个脑网络的节点效率；

对于脑网络中任意一个节点i，其节点效率计算公式为：

其中，f_ij是节点i到节点j的最短路径的倒数；

步骤4.3：在Q个稀疏度下，计算每个脑网络节点的介数中心度；