[发明专利]一种用于多被试fMRI数据分析的分组张量方法

摘要

本发明公开了一种用于多被试fMRI数据分析的分组张量方法，属于fMRI数据分析领域。其特征在于，以最小化被试间差异性为原则，将原来构建一个大张量的所有被试fMRI数据以被试为单位分成多个子组，使得每个子组中各被试的时间过程成分间及脑空间激活区成分间具有最大的互相关。较之原始的大张量，由子组fMRI数据构建的子组张量与张量分解的CP模型更为匹配，故能分解得到性能提升的多被试共有的时间过程成分和脑空间激活区成分，如任务相关时间过程成分与先验任务刺激过程的相关系数可提高约0.1，任务相关脑空间激活区成分的噪声体素数可下降约23%，期望激活体素数则基本不变。本发明对解决其他类型高维数据与CP模型的失配问题具有参考作用。

主权项

一种用于多被试fMRI数据分析的分组张量方法，其特征是，将M个被试fMRI数据构建的一个大张量以被试为单位分成K个子组每个子组包含Nk个被试，2≤Nk<M；K个子组的被试间互相关系数平均值之和该平均值之和在M种分组方案中为最大值，为子组k内各被试的任务相关时间过程成分及脑空间激活区成分之间的互相关系数平均值，k＝1,…,K；对各子组张量分别进行CP分解：得到各子组被试间共享的时间过程成分aj(k)和脑空间激活区成分sj(k)、被试间的强度差异cj(k)及残差ε(k)；J为成分的个数；互相关系数计算的对象是M个被试fMRI数据的任务相关时间过程成分及脑空间激活区成分由ICA方法分离得到；求取和的协方差阵Ra和Rs，得到不同被试p、q，p,q∈{1,2,…M}时间过程成分和脑空间激活区成分之间的互相关系数和计算综合矩阵R＝0.5|Ra|+0.5|Rs|，进行两相关被试{p,q}寻找：以初始被试p开始，将R中第p行元素置零，在第p列元素中寻找最大值所对应的行数，记为q，则找到与被试p最为相关的新被试q；重复{p,q}寻找Nk‑1次，第一次寻找令初始被试p＝未分组被试中编号最小的，之后寻找令p＝q，则构建完成含有Nk个被试的一个子组；重复子组构建K次，构建完成K个子组，则一种分组方案构建完成；对于M个被试的情况，改变第一子组内第一次{p,q}寻找的初始被试分别为1,2,...,M，一共构建M种分组方案，然后计算每种分组方案K个子组协方差矩阵R1,R2,…,RK上三角元素的平均值之和α1,α2,…,αm，和值最大的分组方案为最终分组结果。