[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

说明书

本发明属于大脑状态的判别方法领域，尤其涉及一种基于动态功能脑网络的大脑功能状态信息处理方法，包括步骤一：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；步骤四：进行动态功能连接网络聚类分析；步骤五：进行脑网络功能连接微状态特征量化分析。本发明的有益效果：通过对大脑动态功能连接矩阵进行聚类得到跨时间重现的功能连接微状态，大脑在不同的状态下每个微状态的停留时间以及稳定性都会有所差异，通过对脑网络功能连接微状态特征量如微状态停留时间、微状态转换次数和微状态稳定性进行分析实现对大脑功能状态的判别。

技术领域

本发明属于大脑状态的判别方法领域，尤其涉及一种基于动态功能脑网络的大脑功能状态信息处理方法。

背景技术

人脑是一个复杂的结构，多个脑区共同协调、相互配合完成一项认知任务，脑区之间以网络的形式进行着各种交互作用，构成功能连接网络，其连接强度通常用皮尔森相关系数表示。随着时间的变化，脑区之间的功能连接并不是固定不变的，即脑区之间存在动态功能连接，并且功能连接的动态变化存在一系列固有的微状态，这些微状态的相互转化是功能连接动态改变的基础。大脑在不同的功能状态下其动态功能连接的变化模式也是不同的，本技术发明旨在通过一定的算法来对大脑所处功能状态进行判别。

发明内容

为要解决的上述问题，本发明提供一种基于动态功能脑网络的大脑功能状态信息处理方法。

本发明的技术方案：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；

步骤四：进行动态功能连接网络聚类分析；

步骤五：进行脑网络功能连接微状态特征量化分析。

进一步地，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。

进一步地，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(1≤i≤L-W+1)，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。

进一步地，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。

进一步地，步骤四中动态功能连接网络聚类分析是指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。

进一步地，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较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。