[发明专利]一种基于动态功能脑网络的大脑功能状态信息处理方法

权利要求书

1.一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于包括以下步骤：

步骤一：采集全脑的各个脑区内各体素的时间信号；

步骤二：求解各脑区的平均时间信号；

步骤三：构建全脑动态功能连接网络，得到动态脑功能连接矩阵；

步骤四：对得到的动态脑功能连接矩阵进行聚类分析，分析全脑的动态功能连接变化规律；采用K均值聚类算法进行动态功能连接网络聚类分析，具体如下：

步骤A：选取全脑功能连接矩阵中变异性强的矩阵为聚类样本进行第一次K均值聚类，聚类结果得到K个状态；

步骤B：以所述K个状态为初始聚类中心再次对全脑功能连接矩阵进行聚类，

得到的所述K个状态是动态脑功能连接矩阵的聚类结果；

步骤五：进行脑网络功能连接微状态特征量化分析。

2.根据权利要求1所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于所述步骤一中采集全脑的各个脑区内各体素的时间信号是指应用功能核磁共振可以获得全脑的n个脑区A₁、A₂……A_n内内各体素的时间信号；

所述步骤二中求解各脑区的平均时间信号是求解经预处理后的各脑区时间信号的均值S₁、S₂……S_n。

3.根据权利要求1或2所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于所述步骤三中构建全脑动态功能连接网络是指利用一特定宽度W的滑动窗以步长为1个信号长度在时间信号S₁、S₂……S_n上滑动，在第i个时间窗下第n个脑区的时间信号表示为S_ni，分别求出全脑两两脑区信号间的皮尔森相关系数，得到L-w+1个动态变化的全脑功能连接矩阵；其中，1≤i≤L-W+1。

4.根据权利要求3所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于全脑两两脑区信号间的皮尔森相关系数具体是指第i个滑动窗下脑区A_j、A_k之间的皮尔森相关系数其公式如下：

式中，Cov(X、Y)为X、Y的协方差，D(X)、D(Y)分别为X、Y的方差。

5.根据权利要求1所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于所述K个状态是指全脑功能连接矩阵随着时间的变化所有动态脑功能连接矩阵在所述K个状态之间波动，所述K个状态称作脑网络功能连接微状态。

6.根据权利要求1或2所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于所述步骤五中所述脑网络功能连接微状态特征量包括微状态停留时间、微状态转换次数和微状态稳定性。

7.根据权利要求6所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于所述微状态停留时间：统计所有动态功能连接矩阵被聚类到各个微状态的个数，即得到动态功能连接在各微状态的停留时间的总和T_k，即为微状态停留时间；

所述微状态转换次数：各微状态之间的相互转化次数可以被计算出来得到K×K的微状态间的转换次数矩阵，转换次数矩阵的行为转换前的微状态，转换次数矩阵的列为转换后的微状态，分别计算转换次数矩阵中除对角线元素值的每一列的和得的到每一个微状态向其他各微状态转换次数的和，即微状态转换次数N_k。

8.根据权利要求7所述的一种基于动态功能脑网络的大脑功能状态信息处理方法，其特征在于所述微状态稳定性：某一个状态随时间的变化不向其他状态转换的能力，微状态K稳定性计算公式为：

C_k＝T_k/N_k

式中，T_k为微状态K停留时间；N_k为微状态K转换次数。