[发明专利]自适应小动物脑功能磁共振成像数据分析方法

权利要求书

1.一种自适应小动物脑功能磁共振成像数据分析方法，其特征在于，包括以下步骤：

S100：多次获取每只被试动物的全脑扫描图像，并将每只所述被试动物的每次所述全脑扫描图像进行时间片校正，以消除数据采集周期内各扫描层的时间偏差；

S200：以每只所述被试动物成像时间序列中的第一个全脑扫描图像为头动校正参考图像，分别以每只所述被试动物的头动校正参考图像为参考，对该只所述被试动物的剩余各全脑扫描图像分别进行刚体变换以获得头动校正图像，对每只被试动物的所述头动校正参考图像及所述头动校正图像进行平均，获得每只被试动物的平均图像；

S300：对所述平均图像迭代的进行图像配准及图像平均，获得用户数据驱动的自适应脑模板；

S400：以所述自适应脑模板为参考标准，将所述每只被试动物的平均图像与所述参考标准进行图像配准，并将相同的配准参数应用于所述头动校正图像，以完成每只所述被试动物的空间标准化；

S500：使用多通道高斯滤波的方式提取出所述自适应脑模板的脑内像素作为初始的脑内像素掩膜图像；

S600：以标准脑图谱所提供的脑轮廓信息为先验知识，通过图像形态学算法及统一化分割的方法对初始的脑内像素掩膜图像进行边缘修正，获得最终的与自适应脑模板空间统一的颅内像素掩膜图像；

S700：以所述颅内像素掩膜图像，去除自适应脑模板中的脑外像素，获得仅包含颅内信息的标准自适应脑模板；

S800：将标准自适应脑模板与标准脑图谱进行配准，根据标准脑图谱中的感兴趣区的信息，获取所有被试动物的所有感兴趣区的时间序列；

S900：通过皮尔逊相关算法，计算被试动物的所有感兴趣区两两之间的相关系数，获得所有被试动物的全脑网络。

2.根据权利要求1所述的自适应小动物脑功能磁共振成像数据分析方法，其特征在于，所述步骤S300具体为：

S301：从所有所述平均图像中随机选取一副图像，对其进行空间直角三坐标系旋转，使该幅图像的冠状面与标准脑图谱的切片方位一致，将进行空间直角三坐标系旋转后的该幅图像作为初始参考图像；

S302：以初始参考图像与平均图像的图像强度间的残差小于5％为目标函数，对所述平均图像进行空间变换，以完成平均图像与初始标准图像的空间对齐，所述目标函数表示为：

其中，imgT表示初始参考图像和imgI表示平均图像，下标ijk表示该像素点在图像矩阵中的坐标位置，n表示图像中包含的所有的像素个数；

S303：将空间对齐后的所有平均图像进行空间平均，获得参考平均图像；

S304：判断参考平均图像与初始参考图像之间的图像强度间残值是否小于5％，若是则将参考平均图像作为由用户数据驱动的自适应脑模板，否则将参考平均图像作为初始参考图像，重新执行步骤S302-S304。

3.根据权利要求2所述的自适应小动物脑功能磁共振成像数据分析方法，其特征在于，所述对所述平均图像进行空间变换，具体为：首先通过12参数仿射变换对所述初始参考图像与所述平均图像进行一次对齐操作，然后通过非线性形变对已对齐操作后的所述初始参考图像与所述平均图像进行再次对齐。

4.根据权利要求1-3任一项所述的自适应小动物脑功能磁共振成像数据分析方法，其特征在于，所述步骤S500，具体为：

S501：建立所有元素值为零的三维积分图像，所述三维积分图像的矩阵大小与所述自适应脑模板的矩阵大小一致；

S502：通过二维高斯滤波器迭代对所述自适应脑模板进行逐层的高斯滤波，所述二维高斯滤波器的均值为零，方差均匀递增；每次迭代后将三维积分图像中与自适应脑模板高斯滤波后剩余像素点对应的像素点位置的图像强度值增加1，直至达到预定迭代次数后，将图像强度值增加后的所述三维积分图像作为所述掩膜图像。

5.根据权利要求4所述的自适应小动物脑功能磁共振成像数据分析方法，其特征在于，所述步骤S600，具体为：

S601：采用图像形态学算法去除所述掩膜图像中的独立区域；

S602：按照掩膜图像的分辨率对标准脑图谱进行三维降采集，获取与掩膜图像矩阵、空间分辨率均相当的脑图谱图像；

S603：根据所述脑图谱图像所提供的图像强度及位置信息，建立所述脑图谱图像的概率密度图，以此概率密度图为先验知识，通过统一化分割的方法将所述掩膜图像进行迭代的配准及分割，获得所述掩膜图像各层的图像强度阈值；

S604：将所述掩膜图像中图像强度值大于所述图像强度阈值的像素点赋值为1，否则赋值为0，获得二值化的颅内像素掩膜图像。