[发明专利]一种基于模式识别分类提取磁共振成像脑激活区的方法

说明书

技术领域

本发明属于神经影像数据分析技术领域，具体涉及磁共振成像fMRI激活区提取算法，尤其涉及使用多元模式识别方法进行fMRI脑激活区。

背景技术

随功能磁共振成像(functional Magnetic Resonance Imaging，fMRI)以其高时空分辨率，非侵入式等特点在人脑功能研究中得到了广泛应用。fMRI一般是指基于血氧水平依赖(blood oxygen level-dependent，BOLD)的fMRI成像，它通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化来反应脑活动。随着近年来试验数据的急剧增长，合理有效的fMRI数据分析技术显的越发重要。功能数据分析的核心问题是根据测得的fMRI数据寻找其活动能显著区分不同试验条件(如，刺激条件和基线条件)的脑区。合理的fMRI分析方法需同时考虑到人脑功能一般组织原则以及fMRI数据本身一些特性。

一般认为，脑功能遵循两个基本组织原则：功能集成化和功能特异化。在大空间刻度(规模)上，一个复杂的脑功能可能会由许多功能特异的脑区通过相互作用(集成)来完成；反过来，一个特异性脑区也会对许多不同的认知任务进行表示或加工，通过精细空间刻度上不同的分布式脑活动来对外部不同刺激进行表示。另一方面，随着MRI技术的进步，fMRI图像空间分辨率一直在提高。传统fMRI数据在体素各维宽度约为4毫米时可获得较高的信噪比。当前，各维宽度为2毫米的体素已经可以在标准3T临床磁共振(MRI)机器上可靠地获得。随着超高场(≥4T)磁共振技术的使用，fMRI图像的空间分辨率正在向亚毫米的刻度上逼近。fMRI图像空间分辨率的提高，为我们在更精细的空间刻度上研究脑功能提供了可能：然而，传统的fMRI数据分析大多基于广义线性模型(General Linear Model，GLM)，GLM本质上是一种一元统计技术，它通过孤立地分析每个体素的时间序列来决定该体素是否被激活，完全忽略了不同体素间的相互关系(尤其是隐含在局部脑区内的模式信息)。因而传统一元分析技术无法检测到试验刺激引起的精细刻度上的脑活动模式，及构成这些模式的对刺激反应微弱的体素。另外，为了提高信噪比和统计效力，一元分析技术通常会采用高斯核对fMRI数据进行空间平滑。数据平滑本质上相当于低通滤波，它会模糊那些含有神经科学相关信息的精细的脑活动信号。从而，大量的精细信息将会被滤除掉，fMRI提供的高空间分辨率信息仍远没有被利用到。

发明内容

为了能在更精细的刻度上区分由不同刺激引起的脑活动模式，充分利用fMRI数据中包含的信息，本发明描述了一类全新的，基于模式识方法检测脑激活区的算法(local multivariate distance mapping brainactivation，LMDM)。本发明直接使用局部脑区内多体素构成的多元模式信息来表示不同刺激条件下的脑活动，进而以不同模式间的多元距离作为统计量度量局部脑区活动在不同刺激条件下的可分离性。多元模式可以全面地反映局部脑活动状态，而多元统计距离作为统计量则能更有效地集成局部脑区内的多体素信息用以区分不同脑激活状态。从而，相对于一元分析技术，本发明可以更精确地提取脑激活区，判别不同认知条件下脑活动状态。

GLM方法假定各个体素是相互独立的，从而在进行脑激活区定位时，完全忽略了包含在局部脑区内的模式信息。从认知神经科学的角度说，它忽略了人脑特定功能和fMRI数据中单个体素间不存在一一对应关系的可能性。为了解决现有fMRI数据分析技术种中存在的缺点，能在更精细的刻度上区分由不同刺激引起的脑活动模式，充分利用fMRI数据中包含的信息，本发明的目的是提供一类能更精确地提取脑激活区，判别不同认知条件下脑活动状态的基于模式识方法的脑激活区检测算法。

为了实现本发明的目的，本发明提供一类基于模式识方法的脑激活区检测算法，包括步骤：

预处理步骤A：对采集到的磁共振图像进行预处理，去除混淆因素，用于将获得标准化图像数据；

构造局部一致脑区步骤B：对图像数据的每个体素v₀使用区域增长算法以v₀作为种子点，得到包含K个体素的局部一致脑区N(v₀)；

分割时间序列步骤C：根据实验设计对应的刺激条件类别分割局部一致脑区N(v₀)内多个体素的时间序列，则每类刺激条件对应着一组不同的多元数据样本；