[发明专利]一种海员脑功能网络动态连接活动模式的提取方法

权利要求书

1.一种海员脑功能网络动态连接活动模式的提取方法，其特征在于，包括以下步骤：

步骤1：采集海员被试和非海员被试的大脑静息态功能磁共振成像数据；

步骤2：对采集获得的海员和非海员静息态功能磁共振成像数据进行预处理操作，包括时间层校正、头动矫正、空间标准化和空间平滑四个步骤；

步骤3：根据预处理后海员和非海员静息态功能磁共振成像数据，使用时间级联的组独立成分分析方法和时空双回归方式分别获得若干组水平和个体水平的静息态脑功能网络及其对应的时间过程；

步骤4：使用滑动时间窗方法计算海员和非海员数据中每个被试对应脑功能网络之间的动态功能连接矩阵及其对应的动态功能连接向量；

步骤5：利用仿射传播聚类算法从动态功能连接向量中提取出隐含于动态功能连接矩阵的海员特有脑功能连接模式。

2.如权利要求1所述的海员脑功能网络动态连接活动模式的提取方法，其特征在于，所述步骤3包括以下步骤：

步骤3.1，假设组数据中包含K个被试，每个被试在进行预处理后包含T个时间点和V个体素；采用时间级联方式进行组被试水平的独立成分分析，获得如下模型：

(X₁；X₂；…；X_K)＝MS (1)

其中，M表示KT×V阶的组混合矩阵，S＝(s₁，s₂，…，s_N)′表示N×V阶的源信号矩阵，每一行代表一个组成分；N为每个被试对应的脑功能网络的数量；

通过约束优化的方式对上述模型进行求解：

最大化：J(s_i)＝{E[G(s_i)]-E[G(v)]}² (2)

约束于：h(s_i)＝E[s_i]²-1＝0

其中，s_i表示输出成分，J(s_i)表示度量输出成分独立性的对照函数；E(·)表示期望运算；G(·)是一个非二次函数，v是一个高斯随机变量；等式约束h(s_i)是为了保证优化问题在凸区域求解；

步骤3.2，从步骤3.1中计算获得的组成分中选择出感兴趣的静息态脑功能网络及其时间过程，并通过时空双回归方式获得组中每个被试对应的脑功能网络及其时间过程；对于被试i(i＝1，2，...，K)，表示如下：

M_i＝X_ipinv(S)，S_i＝pinv(M_i)X_i (3)

其中，X_i表示T×V阶的观测数据矩阵，M_i表示T×N_i阶的混合矩阵，表示N_i×V阶的源信号矩阵，每行代表一个被试i的独立成分，是大小为V×1的列向量。