[发明专利]一种基于脑功能网络的脑体积萎缩预测方法

摘要

一种基于脑功能网络的脑体积萎缩预测方法，其步骤如下：一、功能图像数据的处理、功能数据的分析及脑体积计算；二、建立脑功能网络；三、计算脑网络的平均路径长度和聚集系数；四、建立脑体积萎缩的预测模型；通过以上步骤，本发明建立了脑功能网络的拓扑特性与脑萎缩信息的映射关系，提出一种基于脑功能网络的脑体积萎缩预测方法；本发明具有预警性、系统性和鲁棒性，其研究结果将对未来发生的脑体积萎缩预测提供强有力的方法支承，可实现脑萎缩的早期防治。

主权项

1.一种基于脑功能网络的脑体积萎缩预测方法，其特征在于：其步骤如下：步骤一、功能图像数据的处理、功能数据的分析及脑体积计算；功能图像数据处理包括：校正、配准、归一化和平滑诸过程；功能数据分析需采用适当的方法把真正的代表激活的像素提取出来，得到每个节点的血氧水平BOLD时间序列E_i(t),i＝1,2,...,n,t＝t₁,t₂,...,t_m；脑结构图像经分割划分出灰质、白质和脑脊液，进而计算得到脑体积；在时间T₁获得的脑体积记为V₁，在时间T₂获得的脑体积记为V₂；同时得到脑体积的萎缩量ΔV＝V₂‑V₁；步骤二、建立脑功能网络；将节点i与j的BOLD时间序列E_i(t),E_j(t)进行相关性分析，具体能使用皮尔逊即Pearson相关系数、互信息、斯皮尔曼即Spearman相关系数，例如Pearson相关系数其中，E是数学期望，cov表示协方差，和是标准差；用相关性作为两节点之间的边权，对所有的边权进行排序，仅保留排序在前p％的权重较大的连边，得到网络的连边集E_j＝{e(v₁,v₂)}；步骤三、计算脑网络的平均路径长度和聚集系数；计算时间T₁下功能脑网络的指标，包括平均路径长度和聚集系数C；其中平均路径长度的定义为：其中d_ij为节点i与节点j之间的最短路径长度；聚集系数C为：当节点i与节点j相连时a_ij＝1，否则为0；步骤四、建立脑体积萎缩的预测模型；依据留出法、交叉验证法及自留法将数据集分为训练集和测试集；将训练集中每个人的脑功能网络指标作为自变量，对应的脑体积萎缩量作为因变量；对训练集建立多元线性回归模型求解线性回归模型，得到模型参数b₀,b₁,b₂的值，根据测试集的脑网络指标得到相应脑体积萎缩预测值；建立预测模型的方法不局限于线性回归，一般机器学习方法均行。