[发明专利]基于模块化动态重构的多尺度脑网络分析方法及系统

说明书

本发明公开了一种基于模块化动态重构的多尺度脑网络分析方法及系统。该方法包括如下步骤：包括获取功能磁共振脑成像数据；对数据进行预处理；将预处理后的数据分割为离散ROI并作为全脑网络节点，计算各节点血氧水平依赖信号之间的系数，构建在不同状态下的全脑功能连接网络；对每种状态下的全脑功能连接网络进行模块化识别和分区，划分出不同的功能网络模块；针对不同状态下划分的功能网络模块，获取全脑网络的模块化架构适应性指标、跨任务稳定性指标以及跨任务灵活性指标；根据模块化架构适应性指标、跨任务稳定性指标和跨任务灵活性指标，分析组成功能网络模块的所有节点随任务状态发生变化和保持稳定的平均程度。

技术领域

本发明涉及一种基于模块化动态重构的多尺度脑网络分析方法，同时也涉及相应的多尺度脑网络分析系统，属于认知神经科学技术领域。

背景技术

人的大脑可以通过定义节点和连接边的方式抽象成一个复杂的网络结构。这个网络通常被简称为脑网络，其结构与人类的认知功能和脑疾病存在密切联系。分析和研究脑网络可以为人类探索大脑工作方式、研究神经性退化疾病的病理机制、改善心理疾病及大脑损伤的诊断治疗提供有力的工具。目前，脑网络分析及其应用已成为计算机与生物信息、医学等交叉学科中的研究热点之一。

在申请号为201810106339.8的中国发明申请中，公开了一种基于加权网络的大脑功能连接模块划分方法，主要步骤为：对大脑功能磁共振成像进行预处理并与标准分区模板匹配，提取各个脑区对应的时间序列；采用滑窗法分离每个窗口对应的子时间序列，将所有窗口的相关系数矩阵组合，构建大脑功能连接的动态加权网络；由介数率得出考虑权重时加权网络的边介数，计算忽略权重的边介数、介数率和连接边权重的比值，并移除该比值最大的连接边；输出模块划分结果并计算模块度的值，直到网络中没有可以移除的连接边为止；输出模块度的最大值对应的模块划分结果。

另外，在专利号为ZL 201710541557.X的中国发明专利中，公开了一种融合图像体素及先验脑图谱划分的大脑网络构建方法，包括对功能磁共振成像数据的预处理，基于图像体素构建初步大脑网络，在初步大脑网络的基础上基于先验脑图谱构建最终大脑网络。该发明能够全面细致地刻画大脑功能网络，将网络的核心节点在大脑空间中可视化的同时，实现清晰的观测脑区之间连接模式的功能。

发明内容

本发明所要解决的首要技术问题在于提供一种基于模块化动态重构的多尺度脑网络分析方法。

本发明所要解决的另一技术问题在于提供一种基于模块化动态重构的多尺度脑网络分析系统。

为实现上述目的，本发明采用以下的技术方案：

根据本发明实施例的第一方面，提供一种基于模块化动态重构的多尺度脑网络分析方法，包括以下步骤：

获取受试者在测试过程中以及静息状态下的功能磁共振脑成像数据；

对所述功能磁共振脑成像数据进行预处理；

将预处理后的功能磁共振脑成像数据分割为离散的感兴趣区并作为全脑网络的节点，计算各节点的血氧水平依赖信号之间的相关系数作为功能连接的强度指标，构建受试者在不同状态下的全脑功能连接网络；

对受试者每种状态下的所述全脑功能连接网络进行模块化识别和分区，划分出不同的功能网络模块；

根据不同状态下划分的功能网络模块，获取模块化架构适应性指标、跨任务稳定性指标和跨任务灵活性指标；

根据所述模块化架构适应性指标、跨任务稳定性指标和跨任务灵活性指标，分析组成所述功能网络模块的所有节点随任务状态发生变化和保持稳定的平均程度。

其中较优地，所述获取受试者在测试过程中以及静息状态下的功能磁共振脑成像数据，具体包括：

通过多范式脑影像数据采集单元选择和确定需要实施的多种认知范式及其对应的实验任务；