[发明专利]一种基于结构连接和功能连接的融合脑网络构建方法

摘要

本发明涉及脑功能成像领域以及大脑网络的构建领域，具体为一种基于结构连接和功能连接的融合脑网络构建方法。本发明的目的是结合现有的结构脑网络和静息态功能脑网络在疾病研究中的各自优点，提出了一种融合两种连接的脑网络构建方法，即一种基于结构连接和功能连接的融合脑网络构建方法。本发明将结构连接矩阵与静息态功能连接矩阵进行融合。本发明的融合脑网络构建方法能够更有效地发现脑部疾病患者的脑网络与正常人的脑网络在网络属性指标上的差异性，从而为各种脑部疾病的研究带来一定的帮助。

主权项

1.一种基于结构连接和功能连接的融合脑网络构建方法，其特征在于：该方法是采用如下步骤实现的：步骤S1：对弥散张量成像进行预处理，然后根据选定的标准化脑图谱，对预处理后的弥散张量成像进行区域分割；步骤S2：采用确定性纤维束追踪算法，根据纤维束追踪的结束条件，计算两两脑区间的纤维束数量与部分各向异性指数，由此得到脑区间的纤维束数量矩阵FN与部分各向异性指数矩阵FA；所述确定性纤维束追踪算法采用以下四种算法的任一种：纤维联络连续追踪、2nd order runge‑kutta、Tensoline与Interplated Streamline；纤维束追踪的结束条件具体包括：1)在纤维束追踪过程中，若某条纤维束追踪到达某一体素时，该条纤维束的部分各向异性指数小于0.1，则该条纤维束的追踪终止；2)在纤维束追踪过程中，若某条纤维束追踪到达某一体素时，该条纤维束位于大脑皮层的边界，则该条纤维束的追踪终止；3)在纤维束追踪过程中，若某条纤维束追踪到达某一体素时，该条纤维束的偏转角度大于35°，则该条纤维束的追踪终止；步骤S3：设定阈值τ，然后根据阈值对脑区间的纤维束数量矩阵FN进行二值化处理，得到二值化的纤维数量矩阵B；对纤维束数量矩阵FN的二值化处理公式具体表示如下：公式(1)中：b_i，j表示二值化纤维数量矩阵B中第i行第j列的元素；FN_i，j表示纤维束数量矩阵中第i行第j列的元素；τ表示阈值，取值为3；二值化纤维数量矩阵B的维度为90×90；步骤S4：对静息态功能磁共振成像进行预处理，然后根据选定的标准化脑图谱对静息态功能磁共振成像进行区域分割，最后对分割的各个脑区分别进行平均时间序列的提取；步骤S5：利用皮尔逊相关分析方法，计算两两脑区间的平均时间序列相关系数，得到平均时间序列的相关关联矩阵，并对平均时间序列的相关关联矩阵取绝对值，将取绝对值后的相关关联矩阵记为R；所述皮尔逊相关分析方法采用如下计算公式：公式(2)中，X_k表示脑区X在第k个时间点的平均时间序列，表示脑区X在整个扫描期间内平均时间序列的平均值；Y_k表示脑区Y在第k个时间点的平均时间序列，表示脑区Y在整个扫描期间平均时间序列的平均值；r_X，Y表示为脑区X和Y之间的皮尔逊相关系数；依据相关系数，得到平均时间序列的相关关联矩阵，并将取绝对值后的相关关联矩阵记为R，如下所示：公式(2)与公式(3)中，n为全脑分割的区域个数，n的值为90；步骤S6：根据步骤S3得到的二值化纤维数量矩阵B，分别对步骤S2得到的部分各向异性指数矩阵FA与步骤S5得到的取绝对值后的相关关联矩阵R进行稀疏化，得到结构脑网络矩阵FAs和静息态功能脑网络矩阵Rs；稀疏化的具体计算步骤如下：若二值化纤维数量矩阵B的元素b_i，j值为1，则结构脑网络矩阵FAs的元素fas_i，j值设为部分各向异性指数矩阵FA的对应元素fa_i，j；若元素b_i，j值为0时，则结构脑网络矩阵FAs的对应元素fas_i，j值设为0；则结构脑网络矩阵FAs描述为如下公式所示：若二值化纤维数量矩阵B的元素b_i，j值为1，则静息态功能脑网络矩阵Rs元素rs_i，j值设为取绝对值后的相关关联矩阵R的对应元素r_i，j，若元素b_i，j值为0时，则静息态功能脑网络矩阵Rs的元素rs_i，j值设为0；则静息态功能脑网络矩阵Rs描述为如下公式所示：步骤S7：采用Min‑max标准化方法对步骤S6得到的结构脑网络矩阵FAs和静息态功能脑网络矩阵Rs进行标准化，得到标准化结构脑网络矩阵FAz和标准化静息态功能脑网络矩阵Rz；Min‑max标准化方法的计算公式如下所示：z＝(x‑mi)/(ma‑mi)     (6)公式(6)中，z为标准化结构脑网络矩阵FAz或标准化静息态功能脑网络矩阵Rz中的任一元素，即faz_i,j或rz_i,j，x为结构脑网络矩阵FAs或静息态功能网络矩阵Rs中与z对应的元素，mi为结构脑网络矩阵FAs或静息态功能网络矩阵Rs中的元素最小值，ma为结构脑网络矩阵FAs或静息态功能网络矩阵Rs中的元素最大值；步骤S8：对步骤S7得到的标准化结构脑网络矩阵FAz和标准化静息态功能脑网络矩阵Rz进行融合，从而得到基于结构连接与功能连接的融合脑网络矩阵RFA；融合脑网络矩阵RFA的计算过程如下公式所示：公式(7)中，ω为权值，取值范围为0～1，具体计算公式如下所示：公式(8)中，满足即的取值需使得基于结构连接的脑网络与基于静息态功能连接的脑网络的标准方差最小；ω_m的取值范围为[0.01，0.99]，步长为0.01，并与m＝1，2，...，99的取值一一对应。