[发明专利]数据分析方法及装置

权利要求书

1.一种数据分析方法，其特征在于，所述方法包括：

在接收到N个全脑影像数据组时，对所述N个全脑影像数据组中的每个全脑影像数据执行预处理操作，得到N个全脑基础数据组；其中，N是大于或者等于2的正整数，且每个所述全脑影像数据组包括若干个全脑影像数据；

根据所述N个全脑基础数据组中的每个全脑基础数据，计算每个全脑预先划分的若干个脑分区之间的特征连接值，得到N个特征连接值组；

计算所述N个特征连接值组之间的组间效应量；

按照所述组间效应量将每个特征连接值分类，并建立分类模型。

2.如权利要求1所述的数据分析方法，其特征在于，所述根据所述N个全脑基础数据组中的每个全脑基础数据，计算每个全脑预先划分的若干个脑分区之间的特征连接值包括：

按照预设的标准模板将全脑划分为若干个脑分区；

分别从每个全脑基础数据中获取相应脑分区对应的基础数据；

对所述脑分区对应的基础数据执行Pearson’s相关；

对Pearson’s相关后的数据执行Fi sher’s z变换，得到所述脑分区之间的特征连接值A，其中，

其中，所述n表示所述脑分区的数量,ij表示任意两个脑分区之间的功能连接数值。

3.如权利要求1或2所述的数据分析方法，其特征在于，所述计算所述N个特征连接值组之间的组间效应量包括：

当计算两个特征连接值组之间的组间效应量时，使用公式：

其中，所述是所述两个特征连接值组中每个特征连接值组的样本平均值；所述S_pool是所述两个特征连接值的样本合并标准差，

其中，所述S是所述两个特征连接值组中每个特征连接值组的样本标准差，n₁表示样本1中的样本的数量，n₂表示样本2中样本的数量。

4.如权利要求1或2所述的数据分析方法，其特征在于，所述计算所述N个特征连接值组之间的组间效应量包括：

当计算多个特征连接值组之间的组间效应量时，使用公式：

其中，所述η²是一个统计量，表示因素A在总体变异中所占的比例，

其中，所述SS_A代表因素A产生的所述多个特征连接值组组间变异，所述SS_total为总方差，

SS_A＝∑n_j(Y_j-Y_T)²

SS_total＝∑(Y_ij-Y_j)²

其中，ij表示任意两个脑分区之间的功能连接数值，所述n_j为所述多个特征连接值组中特征连接值的总数，所述Y_j为所述多个特征连接值组中每组的平均值，所述Y_T为所述多个特征连接值组的总平均值，所述Y_ij为所述多个特征连接值组中的每一个数值。

5.如权利要求1所述的数据分析方法，其特征在于，所述对所述N个全脑影像数据组中的每个全脑影像数据执行预处理操作，包括：

将所述影像数据从医学数字成像和通信DICOM格式转换为NIFTI格式；

去除NIFTI格式数据中前10个时间点的数据，得到剩余数据；

对所述剩余数据执行时间层矫正和头动矫正；

按照预设标准模板对矫正后的数据执行空间标准化；

对所述空间标准化的数据执行高斯平滑、去线性漂移、滤波和去除协变量的操作。