[发明专利]一种数据驱动的功能磁共振图像的盲去卷积方法

说明书

本发明公开了一种数据驱动的功能磁共振图像的盲去卷积方法，该方法利用测得的功能磁共振图像数据构建自适应的基于Gamma函数的血液动力学响应函数，引入维纳滤波的思想，利用傅里叶卷积定理对BOLD信号时间序列进行去卷积操作，提取出真实神经活动信号用于后续研究。其优点是：血液动力学响应函数的构造不需要引入人为定义的参数，完全由BOLD数据驱动，能体现不同体素下血液动力学响应函数的差异；将BOLD信号相较于神经活动信号的延迟时间嵌入血液动力学响应函数当中，使构造的血液动力学响应函数更加符合生物学实验结果；改进了原有的从BOLD信号中编码神经活动信号的方法，并将其应用于HRF的构造过程中，简化了模型复杂度，适用于大批量数据处理中。

技术领域

本发明涉及FMRI数据去除血液动力学响应过程影响进而获得神经放电信号领域，具体涉及一种数据驱动的功能磁共振图像的盲去卷积方法。

背景技术

大脑中的神经元在不断活动，存在着持续、不规则的放电现象，神经元的放电行为会引起血液与血氧的改变，产生BOLD信号，这一过程被称为血液动力学响应。功能磁共振仪探测的是BOLD信号，并不是神经放电信号，我们将其看作是大脑活动的间接反映。在脑网络构建模型中考虑血液动力学响应的影响，能够有效提高模型精确度。

神经元单次放电会引起一个独立的血液动力学响应过程，血液动力学响应过程可以用一个血液动力学响应函数(hemodynamic response function，HRF)进行模拟，功能磁共振测得的BOLD信号可以看作是神经活动与血液动力学响应函数卷积的结果。不同个体、不同体素、不同大脑活动下的血液动力学响应的具体情况有所区别，需要建立一个基于体素的数据驱动的血液动力学响应模拟系统来求解神经信号。任务态功能磁共振图像FMRI(functional Magnetic Resonance Imaging)数据的神经群动力学可以通过任务模式和模型逆推断获得。静息态功能磁共振图像FMRI(functional Magnetic Resonance Imaging)数据缺乏明确的任务活动模式，除非基于特定的生理假设模型，一般无法获得其神经动力学过程，可以通过建立血液动力学响应模型求得静息态下神经信号。

之前的研究有根据实验获取参数，构造基于双Gamma函数的血液动力学响应函数，这种方法局限于较大的实验成本，并且不能精确反应不同情况下不同个体、不同体素的血液动力学响应函数差异；利用高斯函数构建该系统，需要的计算量庞大，且需要较多从实验获取的先验信息。所以急需一种简化的方法提取神经信号。

发明内容

本发明的目的在于提供一种数据驱动的功能磁共振图像的盲去卷积方法，利用测得的功能磁共振图像数据，构建每个单位时间序列所匹配的血液动力学响应函数，利用该函数构造维纳滤波器，对BOLD信号时间序列进行去卷积操作，提取出真实神经活动时间序列用于后续研究。

为了达到上述目的，本发明通过以下技术方案实现：

一种数据驱动的功能磁共振图像的盲去卷积方法，包含以下步骤：

S1、输入某尺度下的BOLD时间序列，处理得到输入BOLD信号；

S2、根据所述输入BOLD信号的波峰、波谷编码模拟神经活动信号；

S3、根据所述输入BOLD信号波峰邻近位置的陡峭程度提取出血液动力学响应函数的形状特征参数；

S4、建立延迟时间数组，将所述延迟时间t结合所述步骤S3的形状特征参数与所述步骤S2的模拟神经活动信号，构造每个延迟时间t所对应的血液动力学响应函数以及模拟BOLD信号；

S5、确定与所述BOLD时间序列最匹配的血液动力学响应函数；

S6、根据步骤S5中的所述血液动力学响应函数，对所述输入BOLD信号去卷积，求得真实神经信号s(t)。

优选地，步骤S1中的处理方法为：