[发明专利]基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法

说明书

本发明所提出的基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法，提取用户脑部的fMRI影像，并对fMRI影像进行预处理，然后基于感兴趣区域计算得到fMRI功能连接矩阵，识别与PD运动症状相关的脑功能连接；提取用户脑部的DTI影像，并对DTI影像进行预处理，然后基于感兴趣区域计算得到DTI概率纤维连接矩阵；进而分别进行fMRI影像的预处理和DTI影像进行预处理；识别fMRI功能连接矩阵和DTI概率纤维连接矩阵中具有高表征性的脑功能连接和概率纤维连接；将具有高表征性的脑功能连接和概率纤维连接通过机器学习得到PD相关连接特征，通过fMRI功能连接矩阵和DTI概率连接矩阵的高表征性连接特征，获得与PD患者脑区域最相近的表征参数，从而对比判断PD患者的状态。

技术领域

本发明涉及医学影像的计算机分析技术领域，尤其涉及一种基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法。

背景技术

帕金森(Parkinson’sdisease,PD)是一种常见的神经系统退行性疾病，临床表现为运动迟缓、静止性震颤、肌强直、步态姿势异常、嗅觉减退、抑郁等症状，其发病原因及机制迄今不明。目前帕金森临床诊断主要依靠体格检查、病史及患者临床表现进行确诊。但大多数患者确诊时，已处于中晚期，使得多数帕金森患者错失了最佳治疗时期。因此，发展帕金森早期诊断技术，寻找帕金森生物学标记是目前亟待解决的问题；特别是寻找到运动症状改善的个体化神经影像标志物对后续治疗以及判断病情程度都有更加直观的作用。

为了更好地对早期PD进行诊断，常用磁共振成像(MagneticResonanceImaging,MRI)来量化大脑不同区域神经元的损失，以此达到检测PD的作用。MRI具有空间分辨率高、无侵袭性、成本低、可用性广等优点，对PD及脑肿瘤等相关疾病的诊断更加可靠、准确。但由于该病早期临床症状不典型，故诊断困难，加之常规MRI检查对其诊断也有一定的局限性，因此往往会延误治疗。近年来随着功能成像的快速发展，许多MRI的新技术广泛应用于PD的研究中，对PD的诊断、鉴别诊断以及其结构和功能方面的改变提供了更多的影像诊断依据。

而现在利用DTI和fMRI角度对PD患者脑网络模型分析的方法，均为分别利用DTI影像和fMRI影像从单模态脑网络去反应大脑的侧面信息，所以需要一种基于fMRI与DTI构件脑网络建模的辅影像识别辅助方法。

发明内容

针对上述技术中存在的如：在现有的PD患者辅助诊断系统任务单一，特征单一不丰富，使得基于机器判断的结果不准确、并且过程复杂耗时长。所以提供一种基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法。

具体为一种基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法，

提取用户脑部的fMRI影像，并对fMRI影像进行预处理，然后基于感兴趣区域计算得到fMRI功能连接矩阵，识别与PD运动症状相关的脑功能连接；

提取用户脑部的DTI影像，并对DTI影像进行预处理，然后基于所述感兴趣区域计算得到DTI概率纤维连接矩阵；

其中，在fMRI影像和DTI影像预处理中；均需要T1图像配准：运用DARTEL算法，先将被试的T1图像配准到MNI脑模板空间，并记录原空间每一个体素到目标空间的形变向量；然后分别将fMRI影像和DTI影像配准到TI图像，得到MNI空间下的fMRI图像以及MNI空间下的DTI影响；进而分别进行fMRI影像的预处理和DTI影像进行预处理；

识别所述fMRI功能连接矩阵和所述DTI概率纤维连接矩阵中具有高表征性的脑功能连接和概率纤维连接；

将具有高表征性的所述脑功能连接和概率纤维连接通过机器学习得到PD相关连接特征，并根据所述PD相关连接特征得到用户的PD状态。

作为优选，在fMRI影像的预处理中，依次包括：起始时间点去除、时间层矫正、头动矫正、所述TI与图像配准、空间平滑、去线性漂移、干扰变量回归去除。