[发明专利]基于体素水平脑功能信息的认知活动状态分类系统和方法

权利要求书

1.一种基于体素水平脑功能信息的认知活动状态分类系统，其特征在于，包含：

用于分析个体水平功能磁共振数据的分析模块，其基于组中每个被试的功能磁共振数据具有相同的采集参数，利用fMRI脑功能连通性检测方法对组中每个被试的功能磁共振数据单独进行功能信号分离，得到每个被试对应fMRI数据的激活体素位置；

假设fMRI组数据中有K个被试，记被试i(i＝1，2，...，K)，所述分析模块具体用于通过盲源分离获得的功能成分为其中N_i表示第i被试对应的功能成分个数；

用于生成体素水平脑功能连接信息的获取模块，其与所述分析模块相连，用于获取每个单被试对应的fMRI数据中的激活体素位置，计算出所有被试共同的激活体素位置，得到这些激活体素位置在每个被试上对应的功能连接信息矩阵；

所述获取模块具体用于利用每个被试对应的功能成分S_i(i＝1，2，...，K)，通过以下公式计算出每个被试在给定阈值条件下的激活体素位置AVL_i：

式中，V表示每个被试fMRI数据经过预处理后包含的体素个数，θ₁表示给定的阈值；

所述获取模块还具体用于利用如下公式计算出fMRI组数据中所有被试的共同激活体素位置CAVL：

所述获取模块还具体用于利用共同激活体素位置CAVL构建每个被试对应的功能连接信息矩阵；首先计算出每个被试对应于共同激活体素之间的相关信息矩阵FC_i(i＝1，2，...，K)；然后根据给定的阈值条件求出所有被试的共同功能连接位置CFCL：

其中，N表示组中所有被试共同激活体素的个数，θ₂表示给定的阈值；

根据上述共同功能连接位置CFCL选出每个被试对应的功能连接信息样本CFC_i(i＝1，2，...，K)：CFC_i＝{FC_i(j)|j∈CFCL}；

用于对认知活动状态进行分类的分类模块，其与所述获取模块连接，利用所述激活体素位置在每个被试上对应的功能连接信息矩阵，计算出所有被试在相同阈值条件下具有的相同功能连接位置，利用每个被试对应该位置的功能连接信息作为特征样本，结合机器学习方法对各种认知活动状态进行分类；所述分类模块将所获得的功能连接信息CFC_i(i＝1，2，...，K)作为输入特征样本。

2.一种基于权利要求1所述的基于体素水平脑功能信息的认知活动状态分类系统的分类方法：其特征在于，包含以下过程：

步骤S1、对个体水平功能磁共振数据的分析：利用fMRI脑功能连通性检测方法对相同参数条件下组中每个被试的功能磁共振数据单独进行功能信号分离，进而获得每个被试在特定阈值条件下fMRI数据中对应的激活体素位置；

步骤S2、对体素水平脑功能信息的提取：根据步骤S1中得到的每个被试对应fMRI数据中的激活体素位置，获取所有被试的共同激活体素位置，并进一步利用原始fMRI数据计算出每个被试对应上述共同激活体素位置的功能连接信息矩阵；

步骤S3、利用体素水平脑功能连接信息对各种认知活动状态进行分类：根据步骤S2中获得的每个被试的功能连接信息矩阵，计算出所有被试在特定阈值条件下的共同功能连接位置，进而以每个被试对应该位置的功能连接信息作为输入特征样本，借助机器学习方法对各种认知活动状态进行分类和分析；所述步骤S1进一步包含以下过程：

假设fMRI组数据中有K个被试，记被试i(i＝1，2，...，K)通过盲源分离获得的功能成分为其中N_i表示第i被试对应的功能成分个数；所述步骤S2进一步包含以下过程：

步骤S2.1、利用步骤S1中获得的每个被试对应的功能成分S_i(i＝1，2，...，K)，通过以下公式计算出每个被试在给定阈值条件下的激活体素位置AVL_i：

式中，V表示每个被试fMRI数据经过预处理后包含的体素个数，θ₁表示给定的阈值；

利用如下公式计算出fMRI组数据中所有被试的共同激活体素位置CAVL：

步骤S2.2、利用步骤S2.1中获得的共同激活体素位置CAVL构建每个被试对应的功能连接信息矩阵；首先计算出每个被试对应于共同激活体素之间的相关信息矩阵FC_i(i＝1，2，...，K)；然后根据给定的阈值条件求出所有被试的共同功能连接位置CFCL：

其中，N表示组中所有被试共同激活体素的个数，θ₂表示给定的阈值；

根据上述共同功能连接位置CFCL选出每个被试对应的功能连接信息样本CFC_i(i＝1，2，...，K)：CFC_i＝{FC_i(j)|j∈CFCL}；所述步骤S3进一步包含以下过程：将所述步骤S2.2中所获得的功能连接信息CFC_i(i＝1，2，...，K)作为输入特征样本。