[发明专利]一种基于PCA和GCA的磁共振脑成像因果连接强度的检测方法

说明书

技术领域

本发明属于图像处理领域，具体涉及一种磁共振脑成像因果连接强度的检测方法。尤其涉及使用主成分分析PCA和格兰杰因果分析GCA进行磁共振脑成像因果连接强度的检测。

背景技术

功能磁共振成像(functional Magnetic Resonance Imaging，fMRI)以其高时空分辨率，非侵入式等特点在神经疾病诊断治疗方面得到了广泛应用。fMRI一般指基于血氧水平依赖(blood oxygen level-dependent，BOLD)的磁共振成像，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。人脑是一个复杂的系统，在受到刺激条件或经历病变时各个脑区间存在的相互作用也在发生变化，反映在脑区间的功能连接强度和方向变化上。脑功能数据连接强度分析一般是根据测得的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，再检测脑区之间的相互连接强度。合理的脑功能数据连接强度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。本发明为脑区间功能连接的分析和可视化提供一种有效途径，为神经疾病的早期诊断和临床治疗提供帮助。

脑功能一般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刺激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(≥7T)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。目前，传统的检测脑功能因果连接强度方法大多采用动态因果模型(dynamic causal modeling，DCM)，它需要预先选定相互作用的区域，并假设这些区域的任意两个之间存在影响，这种预先假设的模型在验证一些有关大脑系统之间的假设时是起作用的，但如果出现了对模型的错误指定，如漏掉了一个间接作用或新起作用的区域，就会导致错误的结论。格兰杰因果分析(Granger causality analysis，GCA)检测方法可以用于研究区域间的因果关系，而不需要先验知识，克服了DCM的局限性，且其突出的优越性在于无需事先假设两点之间存在解剖结构的连接性。同时GCA可反映因果方向性，这为脑神经网络回路的研究提供了方便，这是普通脑功能连接强度检测方法所无法做到的。另外，以往对于同一脑激活区所包含多个体素的时间序列，采取简单平均处理得到一个平均的时间序列，这样会丢掉大量有用脑活动信号信息。本发明采用主成分分析，对多体素的时间序列进行空间上的降维，尽量消除各时间点上所有体素脑活动信号值所构成的向量之间的相关性，能够利用脑活动信号信息的主要成分，有效地提高磁共振脑功能图像因果连接强度的检测性能，更完整更准确地检测脑激活区之间的因果连接。

发明内容

为了克服已有技术的不足，本发明的目的在于设计一种提高磁共振脑成像因果连接强度的检测结果准确性及完整性的检测方法。

为实现上述目的，本发明提出一种基于主成分分析PCA和格兰杰因果分析GCA的磁共振脑成像因果连接强度的检测方法，包括以下步骤：

步骤Sa：对经过数据预处理的脑功能图像进行激活区域多体素时间序列的提取，得到激活区域多个体素的时间序列矩阵；

步骤Sb：使用PCA对每个激活区多个体素的时间序列矩阵进行空间降维得到保留大部分信息量的主要成分，再平均主要成分的激活值得到一个时间序列；

步骤Sc：建立所有激活区域的时间序列间的多变量自回归模型；

步骤Sd：依据所述多变量自回归模型，计算各个时间序列间的偏相关系数；

步骤Se：依据偏相关系数，通过直接传递函数DTF方法计算dDTF值，得到激活脑区间的因果连接强度和方向；

步骤Sf：使用替代数据法统计检验连接强度的显著性，并利用有向网络图显示显著的连接。