[发明专利]一种静息态人脑默认网络功能与结构耦合分析方法

权利要求书

1.一种静息态人脑默认网络功能与结构耦合分析方法，其特征是，包括以下步骤：

步骤1、采集健康受试者和精神分裂症受试者的磁共振脑图像；脑图像包括功能图像fMRI和结构图像DTI；

步骤2、对所采集脑图像进行预处理；

步骤3、采用独立成分分析法ICA提取和识别默认网络各个组成部分；

步骤4、计算默认网络各成分之间的功能连接值；

步骤5、提取默认网络各成分之间连接的白质纤维束；

步骤6、计算每两个成分之间纤维束的平均FA值，作为默认网络每两个成分之间的结构连接值；

步骤7、计算功能连接和结构连接的耦合值；

步骤8、采用独立样本t检验，比较健康受试者和精神分裂症受试者默认网络全部各个成分之间的功能连接和结构连接的耦合值的组间差异，判断精神分裂症患者脑功能和结构之间的契合度有无受损。

2.如权利要求1所述静息态人脑默认网络功能与结构耦合分析方法，其特征是，步骤2所述对所采集脑图像进行预处理包括:

步骤2.1、对功能图像fMRI数据进行预处理；

步骤2.1.1、剔除前10个时间点的功能图像fMRI，剩余的230个时间点的功能图像进入以下预处理流程；

步骤2.1.2、时间层校正；

步骤2.1.3、头动纠正：剔除头动检测中受试者头动的任意一个方向的平动动幅≥1.5mm，或转动角度≥1.5°的功能图像fMRI；

步骤2.1.4、空间标准化到蒙特利尔空间MNI的平面回波图模板EPIT，随后将体素重采样为3×3×3mm³；

步骤2.1.5、进行高斯平滑，取8mm半高全宽FWHM；

步骤2.1.6、去基线漂移以及带通滤波处理，带通截止频率：0.0l～0.08Hz；以去除呼吸、心跳生理噪声以及机器信号漂移引起的信号干扰；

步骤2.1.7、以Friston 24头动参数、脑脊液平均信号、白质平均信号为协变量进行回归，去除协变量的影响；

步骤2.2、结构图像DTI数据预处理：

步骤2.2.1、将64个加权弥散像校准到非加权B0弥散像上去除头动；

步骤2.2.2、通过仿射变换到B0像对SS-SE EPI序列的涡流扭曲进行校正。

3.如权利要求1所述静息态人脑默认网络功能与结构耦合分析方法，其特征是，步骤3所述默认网络组成部分包括：内侧前额叶皮质mPFC，后扣带回及楔前叶PCC/PCUN，双侧角回AG，双侧内侧颞叶mTL以及双侧颞下回ITG。

4.如权利要求1所述静息态人脑默认网络功能与结构耦合分析方法，其特征是，步骤4的实现包括：提取默认网络每个成分的时间序列，采用Pearson相关方法计算某两个成分的时间序列之间的相关系数r，然后进行Fisher’s Z变化，得这两个成分之间的功能连接值；以此类推，计算出默认网络全部各个成分之间的功能连接值。

5.如权利要求3所述静息态人脑默认网络功能与结构耦合分析方法，其特征是，步骤5的实现包括以下步骤：

步骤5.1、采用交互式软件Trackvis追踪每一个受试者的结构图像DTI本地空间的全部大脑纤维束，纤维束追踪通过差值流线传播算法重新构建，每个纤维束的追踪参照以下标准：FA值低于0.15，或者目前纤维与之前的纤维之间的角度大于35°时纤维束的追踪结束；全脑纤维追踪完毕后，纤维长度短于20毫米并且有明显假阳性的纤维通路的纤维束将被淘汰；

步骤5.2、以默认网络组成部分作为模板，将每个受试者结构图像DTI空间也分为对应成分区域；

步骤5.3、提取某两个成分之间连接的白质纤维束；以此类推提取出默认网络全部各个成分之间的白质纤维束。

6.如权利要求1所述静息态人脑默认网络功能与结构耦合分析方法，其特征是，步骤7的实现包括以下步骤：

步骤7.1、首先用Pearson相关计算默认网络的成分A和成分B之间的功能连接值和结构连接值之间的相关系数r，将r值作为反应功能和结构之间的耦合的系数值；

步骤7.2、再将r值进行Fisher Z变换得到Z值，将其作为成分A和成分B之间的功能连接和结构连接之间的耦合值；

步骤7.3、计算默认网络全部各个成分之间的功能连接和结构连接的耦合值。