[发明专利]一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法有效

专利信息
申请号: 201710015079.9 申请日: 2017-01-09
公开(公告)号: CN106667490B 公开(公告)日: 2017-12-29
发明(设计)人: 龚高浪;仲苏玉 申请(专利权)人: 北京师范大学
主分类号: A61B5/055 分类号: A61B5/055;G06T7/00;G06K9/62
代理公司: 北京华夏正合知识产权代理事务所(普通合伙)11017 代理人: 韩登营,张焕亮
地址: 100875 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 磁共振 影像 对象 个体差异 数据 关系 分析 方法
【权利要求书】:

1.一种基于磁共振脑影像的被试对象间个体差异的数据间关系分析方法,其特征在于,包括步骤:

A、获取各被试对象的磁共振脑影像;

B、基于每个被试对象磁共振脑影像的至少一个被分析单元、以及每个被分析单元对应的至少一个参数变量,构建每个被试对象的多维变量;

C、根据所述每个被试对象的多维变量,分别计算两两被试对象的所述多维变量之间的特征距离,并据此构建各被试对象的第一特征距离矩阵;

D、获取各被试对象的第二种数据,分别计算两两被试对象的所述第二种数据之间的特征距离;据此构建各被试对象的第二特征距离矩阵;

E、根据第一、第二特征距离矩阵的相似度大小,确定所述被试对象的所述被分析单元的所述参数变量与所述第二种数据的相关性强弱。

2.根据权利要求1所述的方法,其特征在于,所述每个被试对象的多维变量包括:

基于该被试对象的1个被分析单元、该被分析单元对应的n1个参数变量构成的n1维变量;或

基于该被试对象的m2个被分析单元、每个被分析单元对应的1个参数变量构成的m2维变量;或

基于该被试对象的m3个被分析单元、每个被分析单元对应的n3个参数变量构成的m3*n3维变量;

其中:n1大于1,m2大于1,m3大于2,n3大于2。

3.根据权利要求1或2所述的方法,其特征在于,所述磁共振脑影像包括以下任一:结构磁共振脑影像、弥散磁共振脑影像、任务态功能磁共振脑影像、静息态功能磁共振脑影像。

4.根据权利要求1或2所述的方法,其特征在于,所述被分析单元至少包括以下其一:整个大脑、大脑半球、由任意个体素组成的各个感兴趣区域、各个感兴趣区域之间的脑连接。

5.根据权利要求4所述的方法,其特征在于,所述参数变量为任一可量化的脑指标;

其中,所述脑指标包括:脑磁共振信号强度、脑灰质相关指标、脑白质相关指标、脑功能激活相关指标、脑静息态功能相关指标、脑网络连接数据、脑网络拓扑属性或脑偏侧化指标。

6.根据权利要求5所述的方法,其特征在于,所述脑灰质相关指标包括以下任一:灰质皮层表面积、灰质体积、灰质皮层厚度、灰质密度;

所述脑白质相关指标包括以下任一:平均弥散系数、各向异性分数、相对各向异性、轴向弥散系数以及径向弥散系数;

所述脑功能激活相关指标包括以下任一:激活面积、激活强度;

所述脑静息态功能相关指标包括以下任一:局部一致性、低频振荡振幅、分数低频振幅。

7.根据权利要求5所述的方法,其特征在于,所述每个参数变量包括:

由同一个指标相关的一个或多个数据所构成的一维向量;

由p个不同指标分别相关的一个或多个数据所构成的p维向量,p大于1。

8.根据权利要求1所述的方法,其特征在于,所述被试对象的第二种数据至少包括以下其一:

基于被试对象磁共振脑影像的其他被分析单元或其他参数变量提取出的每个被试对象的多维变量、环境数据、遗传数据、临床数据、行为数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京师范大学,未经北京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710015079.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top