[发明专利]一种针对海洛因成瘾机制的大型脑网络分析方法

摘要

本发明涉及一种针对海洛因成瘾机制的大型脑网络分析方法，其包括以下步骤(1)数据预处理；(2)独立成分分析；(3)网络识别；(4)功能连接；(5)组间比较。本发明公开的一种针对海洛因成瘾机制的大型脑网络分析方法具有如下的优点1、以静息态功能磁共振成像方式，从海洛因成瘾者基础生理基线水平入手研究，能够反映病人身体内在大脑功能活动的改变；2、鉴于当前海洛因成瘾研究多局限于局域脑区神经活动及结构特征，基于大型脑网络的研究更有利于从宏观角度揭示局部脑区神经活动的本质；3、本发明率先提出从大型脑网络功能特征，尤其是相互联系变化的角度对海洛因成瘾机制进行研究，为阐明机制开辟一条新路。

主权项

一种针对海洛因成瘾机制的大型脑网络分析方法，其特征在于，包括以下步骤：(1)数据预处理基于Matlab为平台，利用SPM8软件对采集到的功能性磁共振成像的数据进行预处理，该数据预处理包括：(11)时间校正对采集到的功能性磁共振成像的数据进行时间差异矫正，使每个回波时间内所采集的全脑层面在同一时间点上；(12)头动校正以平均图像为模板，对时间序列内的所有图像进行评估，获取头动参数，并进行刚性转化；(13)空间标准化所有受试者的脑图像进行重新采样，并转化到SPM8软件提供的EPI模板；(14)空间平滑对步骤(13)得到的脑图像数据采用高斯函数进行平滑处理，以提高信噪比；(15)通过回归协变量的方法去除经过空间平滑的脑图信号中的噪声信号；(16)对经过步骤(15)处理后的数据进行低频滤波，滤波频率范围为0.01Hz～0.08Hz的带通滤波；(2)独立成分分析基于Matlab为平台，采用GIFT软件对步骤(14)平滑后的数据进行独立成分分析；(21)确定成分，成分数为20；(22)采用两步主成分分析方法对步骤(14)所得到的数据进行降维；(23)采用FastICA算法获取各自独立成分；(24)采用ICASSO算法对获取的成分运算100次；(25)根据数据的成分及降维结果重建出被试各个独立成分的时间序列和空间分布；(3)网络识别(31)视觉识别对步骤(25)得到的20个网络成分的空间分布进行识别，去掉与四大网络无关的成分，然后筛选出与研究有关的成分，确定四大网络；(32)相似性比较选择步骤(31)得到的四大网络与先验空间模板进行相关性分析,若四大网络与先验空间模板的相关系数大于0.8，则认为提取出的网络成分较准确；(4)功能连接(41)在步骤(31)得到的四大网络模型中，选定每个大网络的核心脑区的峰值坐标为球心，以6mm为半径画球作为感兴趣区，得到9个感兴趣区；(42)分别对四大网络的激活脑区进行二值化，得到四个模板，对该四个模板再求并集作为四大网络的共同模板；(43)对于步骤(16)产生的数据用步骤(41)得到的9个感兴趣区在步骤(42)得到的共同模板内进行功能连接计算得到功能连接图；(5)组间比较根据步骤(43)得到的功能连接图比较组间的差异。