[发明专利]一种基于有向图谐波分析的脑结构与功能耦合的方法

说明书

本发明提供一种基于有向图谐波分析的脑结构与功能耦合的方法，属于生物医学信号处理技术领域。首先，利用大脑皮层示踪剂注射追踪或结构磁共振成像弥散张量成像纤维束概率追踪构造非对称矩阵有向权重脑结构连接矩阵。其次，引入随机游走算子将非对称有向权重脑结构连接矩阵转化为实对称拉普拉斯矩阵，以拉普拉斯矩阵的特征向量作为脑结构连接谐波。然后，利用图谐波分析将脑功能信号分解为脑结构与功能耦合(即图的低频特征模态)和分离(即图的高频特征模态)的谐波分量。最后，跨时间的低频和高频滤波信号的二范数之比的对数值作为脑结构分离指标，以刻画脑结构与功能的分离和耦合。本发明具有更强的适应性。

技术领域

本发明属于生物医学图信号处理技术领域，尤其涉及基于有向图谐波分析的脑结构与功能耦合的方法。

背景技术

现代神经影像技术使我们对大脑的结构和功能有了独特的认识，如大脑是如何连接的，以及大脑功能活动在何时何地发生。脑连通性是目前研究大脑结构和功能的最流行的方法之一，它是研究大脑感兴趣区域(regions of interest，ROIs)中不同区域之间的相互作用。脑功能连通性分析中应用最广泛的方法是静息态功能性磁共振成像(restingstate functional magnetic resonance imaging,rsfMRI),其通过测量血氧水平依赖性(blood oxygen level-dependent,BOLD)信号来间接测量大脑活动。另一种类型的大脑连接是结构连接，大脑ROIs通过一束纤维连接。纤维束通常使用弥散张量成像(diffusiontensor imaging,DTI)进行纤维束重建，用于确定ROIs连接之间的强度，以对结构连接矩阵进行估计。然而，大脑功能活动在多大程度上被脑结构连接所束缚仍然是一个复杂的问题。

rsfMRI数据一方面可视为ROIs在时间维度上变化的时间序列信号，另外一方面可视为驻留在ROIs以结构连通性强度连接的大脑拓扑结构上的信号。图信号处理(graphsignal processing,GSP)是一个新兴的研究领域，核心思想是记录在图节点上的信号在底层图结构上进行研究。GSP不是在规则域(如时间或空间)中定义的数据中分析和提取信息，而是用图形方便的提取不规则域中的信息。因此，GSP使rsfMRI数据在大脑拓扑领域分析成为可能。图傅里叶变换(graph fourier transform，GFT)是GSP最重要和最受关注的工具之一，它可以在不同的图形频段对大脑信号进行分析。经典的GSP用于研究脑结构与功能联系的基本思想是：通过对实对称结构连接矩阵或拉普拉斯矩阵(Laplacian)进行特征分解，其特征值的大小与图信号频率相关联，特征向量作为滤波信号的一组正交基。通过图谐波分析探索大脑结构网络，将图形信号分解为具有不同局部变化水平的谐波成分(在图的节点上定义的空间模式)。可以定义代表相对于大脑网络缓慢变化的信号的低图形频率分量，以及代表相对于连通性网络快速变化的信号的高图形频率分量。低频和高频的时间变异性已被证明在神经疾病和行为分析中具有重要作用。

大脑结构与功能的耦合是指脑功能信号对解剖结构的依赖，通过脑结构图上功能信号平滑度来衡量。目前，探究脑结构与功能活动的耦合主要是局限于无向非负结构连接矩阵的图信号分析。然而，脑结构连接中存在着有向连接，从而结构连接矩阵为非对称矩阵，使得基于实对称无向拉普拉斯矩阵的GSP方法不再适用。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种基于有向图谐波分析的脑结构与功能耦合的方法，引入随机游走算子将有向非对称权重结构连接矩阵转化为对称拉普拉斯矩阵，利用图谐波分析将图信号分解为具有不同变化水平的谐波分量。最后，建立大脑某一特定感兴趣区域的结构分离指标，刻画脑结构与功能的耦合与分离。

本发明采用如下技术方案：

一种基于有向图谐波分析的脑结构与功能耦合的方法，包括如下步骤：

步骤1.建立大脑皮层模型，设N为感兴趣区域数目，利用大脑皮层示踪剂注射追踪或结构磁共振成像弥散张量成像纤维素概率追踪，构造大小为N×N非对称有向权重脑结构连接矩阵W；