[发明专利]一种基于模块连接的大脑结构网络的偏测性检测方法

权利要求书

1.一种基于模块连接的大脑结构网络的偏测性检测方法，其特征在于，包括以下步骤：

步骤S1：对弥散张量成像进行预处理，根据选定的标准化脑图谱，对预处理后的弥散张量成像进行区域分割；

步骤S2：采用确定性纤维束追踪算法，基于追踪的结束条件对全脑的纤维进行重建，并计算两两脑区间的纤维束数量与部分各向异性指数、以及每个脑区的表面积，得到脑区间的纤维束数量矩阵FN，部分各向异性指数矩阵FA和脑区表面积矩阵Surface；

步骤S3：将矩阵FN与FA进行耦合，并基于Surface矩阵进行归一化，构建大脑结构网络矩阵SC；

步骤S4：将大脑结构网络矩阵SC划分为左半球网络SCL和右半球网络SCR；

步骤S5：基于社区划分算法Louvain分别对两个网络SCL和SCR进行模块划分；

步骤S6：基于图理论，从全局效率、局部效率、连接密度、连接强度的角度分析各模块内部、以及模块间的结构连接；

步骤S7：通过计算各模块内部与两两模块间连接指标的偏侧性指数，得到基于模块连接的大脑结构网络的偏侧性分析结果。

2.根据权利要求1所述的检测方法，其特征在于，在步骤S1中，具体包括：首先利用FSL中的BET工具箱对弥散张量成像的原始图像进行去头骨操作；然后利用FSL中的FLIRT工具进行头动矫正，以及利用FSL中的eddy_correct工具进行涡流矫正；最后利用PANDA软件对弥散张量成像图像进行张量重建；根据选定的标准化脑图谱，对预处理后的弥散张量成像图像进行分割，将大脑分为246个脑区。

3.根据权利要求2所述的检测方法，其特征在于，在步骤S2中，纤维束追踪的结束条件具体包括：1)在纤维束追踪过程中，若某条纤维束追踪到达某一体素时，该条纤维束的部分各向异性指数小于0.1，则该条纤维束的追踪终止；2)在纤维束追踪过程中，若某条纤维束追踪到达某一体素时，该条纤维束位于大脑皮层的边界，则该条纤维束的追踪终止；3)在纤维束追踪过程中，若某条纤维束追踪到达某一体素时，该条纤维束的偏转角度大于35°，则该条纤维束的追踪终止。

4.根据权利要求3所述的检测方法，其特征在于，在步骤S3中，构建结构脑网络SC的处理公式如下所示：

公式(1)中，SC_i,j表示大脑结构网络矩阵SC中第i行第j列的元素；FA_i,j表示部分各向异性指数矩阵FA中第i行第j列的元素；FN_i,j表示纤维束数量矩阵FN中第i行第j列的元素；Surface_i表示脑区i的表面积；τ表示阈值，取值为3；大脑结构网络矩阵SC的维度为246×246。

5.根据权利要求4所述的检测方法，其特征在于，在步骤S4中，将大脑结构网络SC划分为左右两个半球网络的处理公式如下；

其中，公式(2)和(3)中，SC_i,j表示大脑结构网络矩阵SC中第i行第j列的元素；SCL_iL,jL表示大脑左半球结构网络矩阵SCL中第iL行第jL列的元素，其中；SCR_iR,jR表示大脑右半球结构网络矩阵SCR中第iR行第jR列的元素。