[发明专利]一种结构脑连接图谱构建方法

说明书

一种结构脑连接图谱构建方法，脑连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证结构脑连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有结构脑连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度结构脑连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，实现了精细化的结构脑连接图谱构建；同时采取不同角度的两种途径验证了结构脑连接图谱的正确性。

技术领域

本发明属于生物医学领域，涉及一种基于协同聚类的脑连接图谱构建方法，特别是涉及一种基于协同聚类的弥散张量影像脑连接图谱构建方法。

背景技术

自20世纪90年代，弥散张量影像脑连接图谱构建研究成为了探索脑区之间纤维结构连接关系的重要途径。由此可见，结构脑连接图谱构建研究是大脑物理解剖连接关系探索的一项基础，当前已成为脑科学研究的热点和前沿。总结归纳国内外的研究，结构脑连接图谱构建主要有三种方法，即基于种子区域的方法、基于脑图谱的方法以及基于数据驱动的方法。

基于种子区域的方法是一种依赖于模型的假设驱动方法。根据研究问题的先验假设选择脑区作为种子区域，然后跟踪识别与种子区域存在纤维连接的脑区，从而完成种子区域脑区结构连接图谱的构建。在结构脑连接图谱研究中，基于种子区域的方法的优点是简单易用、易于解释且应用广泛。但是该方法也存在不足，如构建的结构脑连接图谱的鲁棒性对种子区域的空间位置和大小的依赖性较高。

基于脑图谱的方法是一种不依赖于模型的构建结构脑连接图谱的方法。该方法将脑图谱中的脑区作为节点，每两个节点之间边的权重基于结构连接定义，然后使用模块检测算法将所有节点划分到各个网络模块中，每一个网络模块中的节点及其相互连接就构成一个模块化的结构脑网络，即结构脑连接图谱。此外，实现网络模块之间全局通信的枢纽节点及其连接同样为结构脑连接图谱的一个有机组成部分。虽然基于脑图谱的方法被国内外研究者较为广泛地用于以脑连接组学为手段的脑科学研究中，但是该方法所使用脑图谱的来源以及脑区数量直接影响了所构建结构脑连接图谱(或者结构脑网络)的空间拓扑特征和神经生物学解释。

基于数据驱动的方法是另外一种不依赖于模型的构建结构脑连接图谱的方法，主要包括基于独立成分分析的方法、基于聚类的方法。该方法将全脑划分成多个子网络，每一个子网络中的脑区及其相互连接构成大脑结构连接图谱的一部分。虽然上述基于数据驱动的方法在两种子方法之间或者不同数据集之间构建的结构脑连接图谱均具有较高的鲁棒性和可解释性，并促进了以脑连接组学为手段的脑科学研究，但是现有的基于数据驱动的方法还不能得到某个特定脑结构精细化的结构连接图谱。

现有各种方法构建的结构脑连接图谱还存在明显的不足：基于种子区域的方法对种子区域的选择比较敏感；基于脑图谱的方法依赖于所选择的脑图谱；基于数据驱动的方法尽管不存在前两种方法的缺陷，但现有的基于数据驱动的方法仅限于在全脑尺度上的结构脑连接图谱构建。

发明内容

针对现有方法的不足，本发明的目的在于提出一种有别于传统的新颖且易于验证的基于数据驱动的方法，来解决某个特定脑结构精细化的结构连接图谱构建问题。

为了实现上述目的，本发明采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，即构建考察脑结构精细化的结构连接图谱。该发明的技术方案如图1所示，具体描述如下。