[发明专利]一种基于核磁共振影像的脑龄分析方法

摘要

本发明公开了一种基于核磁共振影像的脑龄分析方法，首先，利用脑结构影像中信息，构建功能脑区与体素水平的脑结构网络；根据功能影像信号，建立功能脑区和体素水平的脑功能网络；然后，应用统计学方法，分析脑结构、脑功能随年龄增长而变化的特征和规律，以及脑网络连接模式变化，从而得到脑结构、脑功能和脑网络随年龄增长而变化的差异性特征；随之利用递归特征增长法，选择所需的有效特征，降低特征维数；最后，应用线性支持向量机，建立脑龄回归模型，对脑龄进行分析。本发明方法可有效地揭示人的生理年龄和脑龄的内在关系与差异性，为人脑发育研究提供科学、客观的理论依据和方法。

主权项

1.一种基于核磁共振影像的脑龄分析方法，其特征在于：首先，利用大脑结构影像信息，构建功能脑区与体素水平的脑结构网络；根据大脑功能影像信号，建立功能脑区和体素水平的脑功能网络；然后，分析大脑的结构、脑功能随年龄增长而变化的特征和规律，以及脑网络连接模式变化，从而得到脑结构、脑功能和脑网络随年龄增长而变化的差异性特征；随之利用迭代特征增长法，选择所需的有效特征，降低特征维数；最后，应用线性支持向量机，建立脑龄回归模型，对脑龄进行分析；其包括以下步骤：1)建立回归模型1.1)采集MR影像数据获取大脑结构和脑功能MR影像；1.2)影像数据处理包括头动校正、配准、空间标准化、平滑处理，其中，对脑结构影像进行脑灰质与脑白质分析时，需要将脑组织分割为灰质、白质和脑脊液，脑功能影像首先还需时间层校正，再进行后续处理；还包括脑结构和脑功能网络构建，即利用经过预处理后的影像，应用图论和信息论，在功能脑区或体素水平，建立脑结构和功能网络；1.3)特征分析与提取在功能脑区或体素水平，应用单样本t检验方法，分析脑结构、脑功能影像和脑网络特征随年龄的变化情况，即得到随年龄发生显著变化的特征；1.4)特征降维应用迭代特征增长法，分别对脑结构、脑功能及脑网络特征进行降维，选择有效特征，记录有效特征向量的索引；其中，采用如下迭代特征增长法进行降维：1.4.1)初始化：取n个训练样本的某一特征向量X0＝[X1,X2,…,Xi,…Xn]T以及对应年龄向量y＝[y1,y2,…,y3,…,yn]T；给定每次选取的有效特征数量k，或比例r∈[0，1]，则k＝n×r；期望的总特征数量为m，其中m＝c×k,c是大于1的整数；1.4.2)初始化特征子集索引向量s＝[1,2,…,n]，待排序特征向量Xcandidate＝X0，有效特征向量Xselected＝[]；1.4.3)根据索引向量选定训练样本X＝X0(:,s),训练回归模型α＝regression(X,y)，并计算权值向量w＝∑iαiyiXi，利用评分函数c(i)＝(wi)2，按得分从高到低排序，取位列前k的特征Xsorted＝[1…k]，将其加入有效排序特征向量中，并从待排序特征向量中移出，更新有效特征向量Xselected、待排序特征向量Xcandidate与索引向量s；1.4.4)重复步骤1.4.3)直至有效特征向量的维数等于m；1.4.5)重复步骤1.4.1)直至所有特征均完成降维处理；1.5)回归分析融合降维后被选择的脑功能、脑结构与脑网络特征，以其作为自变量，以生理年龄作为因变量，建立二者之间的线性回归模型，进行回归分析；2)脑龄分析2.1)影像数据采集获取待分析对象的脑部MR结构和功能影像；2.2)影像数据处理包括头动校正、配准、空间标准化、平滑处理，其中，结构影像须进行分割，功能影像首先还需时间层校正，再进行后续处理；利用经过预处理后的影像，应用图论和信息论，在脑区或体素水平，建立脑结构和功能网络；2.3)特征提取根据步骤1.4)得到的有效特征索引向量，提取相应的脑结构、脑功能和脑网络特征；2.4)脑龄分析利用步骤1.5)建立的回归模型，以获取的特征作为自变量，脑龄作为因变量，预测待评估对象的脑龄。