[发明专利]一种用于从fMRI数据中构建脑效应连接网络的人工免疫方法

摘要

一种用于从fMRI数据中构建效应连接网络的人工免疫方法，在生物免疫系统的基础上，提出一种与fMRI数据相结合的人工免疫系统，可以用于对大脑效应连接网络的构建；具体包括以下步骤实验设计，采用静息态实验，进行功能磁共振扫描；fMRI数据获取，在尽量降低头动和其他误差的情况下，扫描获得fMRI图像数据；预处理，采用统计的方法对数据进行预处理，去除部分外界因素带来的误差和噪声；选择感兴趣区域，选择与研究相关的脑区；使用人工免疫系统优化贝叶斯网结构学习的方法构建效应连接网络，通过网络结构学习寻找与fMRI数据集匹配的效应连接网络；分析，对构建的网络进行分析，发掘网络结构所揭露的生物特性。

主权项

一种用于从fMRI数据中构建脑效应连接网络的人工免疫方法，该方法充分利用了贝叶斯网方法的优势；并利用免疫系统的多样性产生和维持机制来保持种群的多样性，克服了一般寻优过程易陷入局部最优而出现早熟收敛的问题，使得最终获得的最优网络结构更加贴近fMRI数据所反映的脑效应连接网络；该方法的过程为：获取静息态fMRI数据；使用SPM8对数据进行预处理；选取与脑网络构建相关的感兴趣区域；通过人工免疫系统优化贝叶斯网结构学习方法，针对提取的感兴趣区域进行脑效应连接网络的构建；对每个受试者的脑效应连接网络进行分析，揭示网络连接所表示的生物学意义，构建具有一般性的脑效应连接网络，反映人脑网络连接的普遍性规律；其特征在于：该方法包括以下步骤：步骤1)实验设计；由于为了揭露人脑连接性的一般性规律，实验采用静息态实验；步骤2)fMRI数据获取；为了将本方法与现有的脑效应连接网络构建方法进行对比，除了使用对受试者进行磁共振扫描所获的真实数据以外，还选用了一组仿真数据集；因为真实的数据所构建的网络并没有统一的标准来衡量，所以选用一组的仿真数据集来进行对比实验，以此进行方法的对比，验证本方法的有效性；步骤3)fMRI数据预处理；数据预处理的作用是去除原数据的误差和干扰；数据预处理首先使用统计参数图软件包来实现；为避免磁共振机器每个session启动时的匀场效应及受试者初入环境的不适应对结果造成一定影响，删除每个被试每个session前四幅功能图像，随后进行层间时间校正、头动校正，然后进行空间标准化、高斯平滑；步骤4)选取感兴趣区域；由于fMRI数据具有高维的特点，直接使用全脑时间序列数据，数据量会很大；本方法在真实fMRI数据部分,选用默认网络(DMN)作为感兴趣区域；因为通常在个体清醒静息的状态，不专注于外界时，默认模式网络就会活动；因此默认网络作为静息态实验的感兴趣区域会有很好的效果和实际意义；对于仿真fMRI数据部分，本方法选取了具有10个感兴趣区域的数据集；随后，继续使用SPM软件，将所有被试的脑功能影像数据映射到选取的感兴趣区域位置，提取每个脑区内所有体素的时间序列，并做平均，获得每个脑区的平均BOLD信号，然后对信号进行带通滤波处理以消除低频漂移和高频噪音的影响，至此图像数据已转化成构建网络所需要的时间序列数据；步骤5)使用人工免疫系统构建网络；包括以下几个步骤:初始化参数；产生初始抗体群，随机产生n个抗体并从记忆库中选取m个抗体构成初始群体；亲和度计算，对初始种群进行亲和度计算，亲和度计算的方法采用K2评分，通过评分的好坏来反映网络和fMRI数据匹配的程度；执行免疫选择操作，按照亲和度计算的结果，选取亲和度较高的a个抗体；执行克隆操作，对之前免疫选择的a个抗体进行克隆，克隆的规模由原抗体数和选择的个体数共同决定；执行交叉变异操作，通过交叉运算，形成新的种群，并对新形成的种群进行变异运算；执行克隆抑制操作，为避免种群的冗余，保持结构的多样性，将相同的抗体删除，直到抗体浓度为1即相同的抗体只保留一个；种群更新，选取当前最好的抗体，直到迭代结束，输出最优抗体即最优网络结构；最终得到的最优抗体的网络结构就是从fMRI数据中学习到的效应连接网络；步骤6)网络结构分析；对于学得的网络结构，节点表示脑区，边表示一个脑区对另一个脑区直接或间接的影响，关注时间先后的因果效应，刻画了神经单元之间相互作用的方向性；选取的是默认网络中的后扣带回PCC、左侧顶下小叶LIPL、右侧顶下小叶RIPL、前额叶内侧面MPFC作为感兴趣区域，通过观察区域之间的连接性，发现静息态下默认网络中子网络的相互影响关系。