[发明专利]一种运用数字图谱研究大脑默认模式网络的方法

说明书

本发明涉及计算机图像和信号处理技术领域，特别涉及一种运用数字图谱研究大脑默认模式网络的方法；在本发明中，对静息态功能磁共振图像进行预处理的同时，进行数字图谱的合成，再计算感兴趣区域的信号时间序列和区域之间的相关系数；以脑图谱的合成作为丰富感兴趣区域划分的手段，以计算机数字图谱的方式探索默认模式网络激活所涉及的脑区，提供一种流程化、步骤性明确的处理方式，其利用一种计算机化的方式来寻找默认模式网络脑区，通过全脑连接数据来探索默认模式网络。

技术领域

本发明涉及计算机图像和信号处理技术领域，特别涉及一种运用数字图谱研究大脑默认模式网络的方法。

背景技术

大脑功能的“默认模式”的概念，开始于本世纪初，由Raichle等人在2001年提出。默认模式网络(Default Mode Network)，简称DMN，刻画了大脑静息状态的功能连接，在大脑关注于某些特定的新任务前，这个结构一直都会处于持续的激活状态；当有外界刺激，或者处于常规任务时，默认模式网络处于去激活状态(抑制状态)；所以，在大脑离开目的性任务(Task)状态时，具有更高的代谢活性的区域，即为默认模式网络。目前对默认模式网络的研究主要是通过两种途径进行：1.功能磁共振图像，比较任务态和默认状态的BOLD(血氧合水平依赖)信号区域活跃的差异；2.静息态功能磁共振图像，分析静息状态下脑区的功能连接。目前，人们普遍认为，默认模式网络DMN主要包括：内侧前额叶皮质MPFC、楔前叶pC、压部后皮质Rsc、后扣带回PCC、顶下小叶IPL和海马HP这些区域。

自从默认模式网络DMN在神经影像学的研究中获得极大的重视以后，越来越多的研究表明默认模式网络DMN与多种大脑异常导致的认知缺陷有关，例如可以通过静息态功能磁共振成像发现阿尔兹海默症患者的默认网络功能连接异常：默认网络后部功能连接降低和默认网络前部功能连接增强，轻度认知功能障碍(mild cognitive impairment)同样已被证实存在部分连接增强或下降的异常；因此，默认模式网络，正是一些脑认知和精神类疾病临床前早期诊断的生物标志；而现有的研究技术多是根据已有公认的结果来勾画感兴趣区，然后对大脑在静息态和任务态下进行功能连接和感兴趣区相关关系的计算，不同的研究人员对同一个被试的同一个脑区勾画出来的形状不一致，常出现感兴趣区的勾画不稳定。

发明内容

为了克服上述所述的不足，本发明的目的是提供一种运用数字图谱研究大脑默认模式网络的方法，以脑图谱的合成作为丰富感兴趣区域划分的手段，以计算机数字图谱的方式探索默认模式网络激活所涉及的脑区，提供一种流程化、步骤性明确的处理方式。

本发明解决其技术问题的技术方案是：

一种运用数字图谱研究大脑默认模式网络的方法，其中，包括如下步骤：

步骤S1、对静息态功能磁共振图像进行预处理；

步骤S2、进行数字图谱的合成；

步骤S3、计算感兴趣区域的信号时间序列和区域之间的相关系数。

作为本发明的一种改进，还包括步骤S4、利用时间序列和相关系数寻找其他脑区和默认模式网络之间隐含的联系。

作为本发明的进一步改进，在步骤S1内，使用SPM对原始影像数据进行预处理。

作为本发明的更进一步改进，在步骤S1内，包括如下步骤：

步骤S101、去除采集到的静息态功能磁共振图像前十个时间点的数据；

步骤S102、对采集到的静息态功能磁共振图像进行时间层矫正；

步骤S103、利用算法补偿进行头动矫正；

步骤S104、进行头动矫正的质量控制；

步骤S105、计算空间标准化矩阵；

步骤S106、对功能像应用空间标准化矩阵；