[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

说明书

技术领域

本发明属于图像处理领域，具体涉及一种利用脑功能成像数据计算脑网络中心节点的检测方法。尤其涉及利用功能磁共振成像(fMRI)和脑磁图描记术(MEG)模态融合进行默认态脑网络中心节点的检测。

背景技术

随着科学技术的进步，无创性脑功能成像技术发展日新月异，为我们用多种成像技术进行大脑认知研究提供了广阔的舞台。由于成像机理的不同，每一种成像技术都具有相应的优点和不足，因此没有一种成像模态可以适合所有实验研究或临床应用。截至目前，功能磁共振成像技术(functional Magnetic Resonance Imaging，fMRI)以其高空间分辨率、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技术是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人脑内部活动的，其具有非常高的空间分辨率精度(毫米级)。不过，fMRI的时间分辨率取决于生理动力学响应速率。在神经活动中，突触传导为1毫秒级，信息传输是几百毫秒，但血流动力学反应的长潜伏期严重妨碍了血氧水平依赖信号(Blood Oxygenation Level Dependent Contrast，BOLD)对神经信号的响应。活动皮层BOLD信号的峰值出现在激励开始后的5～8秒，并且回到基线水平需要同样的时间。因此，由于在代谢水平上测量磁共振信号的变化相较神经元活动具有一定的时间延迟，因此，fMRI在时间分辨率上仅能达到秒级精度。近年来，脑磁图描记术(Magnetoencephalography，MEG)逐渐在神经影像领域得到应用。MEG技术可以实时测量脑内神经元之间信号传递时突触后电位变化所产生的磁场信号，因此能够准确测量毫秒级神经元电活动，具有非常高的时间分辨率。但是由于该技术难以准确定位颅内信号源，其空间分辨率较低。因此，将fMRI与MEG各自的时空分辨率优势结合起来，是我们准确、全面地探索大脑神经元细胞信息加工处理机制的关键。

我们已经知道，人类大脑是自然界最复杂的系统之一。据估计，一个成年人的大脑中约有10¹¹个神经元细胞，这些数量巨大的神经元细胞通过大约10¹⁵个突触互相连接。在这个系统中，多个神经元、神经元集群或者多个脑区相互连接成高度复杂的脑结构网络，并通过相互作用完成脑的各种功能。脑功能的实现是以不同层次、不同水平的结构网络作为物质基础的。人类大脑的重量仅占人体体重的2％，但其耗氧及耗能较大。有研究表明，清醒静息状态时的血液供应占心输出量的11％，总耗氧量占全身的20％。大脑之所以会在静息或基础状态下消耗如此大量的血氧与能量主要是因为静息状态时50％的能量消耗与神经突触传递功能有关。这说明静息状态存在大量的神经突触活动，提示了静息状态时可能存在有重要意义的脑功能活动。根据前人的研究结果，无任务的清醒、静息状态时大脑某些脑区存在主动活动，并且这些脑区活动是有组织的，它们共同组成了一个特定的功能性神经网络，这就是脑的默认态脑网络(Default Mode Network，DMN)。默认态脑网络的发现对研究人脑在静息状态时持续进行的脑功能活动具有重要意义。许多证据表明静息状态时的这种脑功能活动可能与人脑清醒状态的维持、内外环境的监测以及人类意识有密切关系。此外，进一步深入研究默认态模式网络的结构与功能特点，将会对人脑高级意识以及某些认知疾病的研究具有推动作用。

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；同时，某一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。近年来，不同领域的研究者发现包括互联网、细胞代谢系统等网络在内的很多网络都是由少数一些具有众多连接的中心节点所支配的。神经学家Olaf Sporns指出，人类大脑皮层中存在着对神经连通性起中枢作用的区域，并将其称为大脑的“中心”(hub)。部分研究者采用脑功能网络分析方法进一步发现了人脑功能网络的中心主要位于默认脑网络区域，即后扣带回/楔前叶、颞顶叶外侧区域等。然而，如上所述，以往的这些研究基本上仅采用功能磁共振成像技术测定大脑活动性区域，研究结果具有较高的空间分辨率，在时间维度上提供的信息却较少。

本发明主要考虑利用fMRI空间分辨率的优势，定位大脑fMRI图像上的默认态脑网络的空间位置，继而在MEG数据中获得对应位置的高分辨率时间维度信息，从而在尽可能不丢失大脑信号时空二维信息的前提下进行大脑默认态脑网络中心节点的精确检测。

发明内容