[发明专利]一种基于模态融合的默认态脑网络中心节点检测方法

权利要求书

1.一种基于模态融合的默认态脑网络中心节点检测方法，其特征在于，包括以下步骤：

采集实验对象静息态下的fMRI图像和MEG数据；

步骤Sa，fMRI图像预处理，并提取默认态脑网络空间信息；

步骤Sb，MEG数据的预处理，并基于提取的默认态脑网络空间信息，提取各频段内对应脑区的时间维度信息，即脑区时间序列；

步骤Sc，利用提取的MEG脑区时间序列，在各个主要频段分别分析默认态脑网络内主要脑区间的功能连接，从而确定在各频段内的默认态脑网络中心节点。

2.如权利要求1所述的方法，其特征在于：

在步骤Sa中，采用基于数据驱动的独立成分分析方法(Independent Component Analysis，ICA)方法提取fMRI图像的默认态脑网络空间信息。

3.如权利要求2所述的方法，其特征在于：

所述的ICA方法包括：首先使用基于最小描述长度准则估计独立成分数，继而采用基于互信息最大化的算法计算解混矩阵，分离源信号，获得大脑各主要功能网络成分及其脑区的Talairach坐标。

4.如权利要求1所述的方法，其特征在于：

在步骤Sb中，采用基于图像重建技术的最小范数解方法，对经过预处理的MEG数据进行5个频段内的脑磁逆问题求解，获得各频段对应fMRI图像提供的默认态脑网络空间位置的脑区的高分辨率时间维度信息。

5.如权利要求1所述的方法，其特征在于：

在步骤Sc中，利用从MEG数据中提取的脑区时间序列，使用偏相关分析方法进行各脑区间的功能连接度分析，并根据脑区之间的功能连接度确定默认态脑网络的中心节点。

6.如权利要求1所述的方法，其特征在于：

所述频段包括delta，theta，alpha，beta和gamma。