[发明专利]基于网络特征熵定量刻画脑功能网络的方法

摘要

本发明公开了一种基于网络特征熵定量刻画脑功能网络的方法，步骤包括采集静息状态下的功能磁共振成像数据并进行预处理，选择包含大脑皮层功能分区的脑模板，将脑模板中的单个脑区看成脑功能网络中的一个节点，提取功能磁共振成像数据在每个节点的平均时间序列信号，计算节点之间的功能连接，得到功能连接矩阵，将所述功能连接矩阵进行二值化得到邻接矩阵，形成脑功能网络，计算脑功能网络中每一个节点的特征向量中心度及能量集中度，根据脑功能网络中每一个节点的能量集中度计算大脑网络特征熵。本发明通过大脑网络特征熵定量刻画脑功能网络以揭示大脑发育及老化规律，具有原理简单、实现方便、被试内结果稳定、不同类别样本灵敏性好的优点。

主权项

一种基于网络特征熵定量刻画脑功能网络的方法，其特征在于步骤包括：1)采集静息状态下的功能磁共振成像数据；2)针对采集到的功能磁共振成像数据进行预处理；3)选择包含大脑皮层功能分区的脑模板；4)针对预处理后的功能磁共振成像数据，将脑模板上的不同脑区看成脑功能网络中的节点，从而提取每个节点的平均时间序列信号，计算节点之间的相关系数，得到功能连接矩阵，将所述功能连接矩阵进行二值化得到邻接矩阵，从而形成脑功能网络，所述邻接矩阵形成的脑功能网络刻画了节点间相互作用关系，反映了脑功能网络的拓扑属性；5)计算脑功能网络中每一个节点的特征向量中心度及能量集中度；6)根据脑功能网络中每一个节点的能量集中度计算大脑网络特征熵；所述步骤4)的详细步骤包括：4.1)针对预处理后的功能磁共振成像数据，将脑模板上的不同脑区看成脑功能网络中的节点，提取每个节点的平均时间序列信号；4.2)采用式(1)计算节点之间的相关系数，得到一个对称的大小为n*n的时间序列相关矩阵A(aij)，其中n表示脑功能网络节点个数，aij表示节点i的平均时间序列信号xi与节点j的平均时间序列信号xj之间的相关系数，以相关系数表示节点之间的功能连接，因此所述时间序列相关矩阵A(aij)表示了脑功能网络中各节点间功能连接，称为功能连接矩阵；aij=E(xixj)-E(xi)E(xj)E(xi2)-E2(xi)E(xj2)-E2(xj)---(1)]]>式(1)中，E(xixj)表示xixj数学期望，E(xi)表示xi的数学期望，E(xj)表示xj的数学期望，表示的数学期望，E2(xi)表示xi数学期望的平方，表示xj2的数学期望，E2(xj)表示xj数学期望的平方；4.3)针对所述功能连接矩阵，首先根据任意两节点之间功能连接对应的统计值p，通过Bonferroni校正，将对应统计值p大于预设统计值的节点对之间的功能连接设为0，将对应统计值p小于或等于预设统计值的节点对之间的功能连接设为1，其次将所述功能连接矩阵中小于0的元素设为0，从而将所述功能连接矩阵二值化得到邻接矩阵形成脑功能网络，所述脑功能网络刻画了节点间相互作用关系，反映了脑功能网络的拓扑属性。