[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

说明书

本发明公开了一种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，利用fMRI脑功能连通性方法对同一参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，获得每个被试对应与特定阈值条件下fMRI数据中的激活体素；根据每个被试对应的激活体素位置，计算出所有被试的共同激活体素位置，构建每个被试对应于上述共同激活体素位置的功能连接信息矩阵；根据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，借助机器学习的方法对各种认知活动状态进行分类和分析。本发明具有对认知活动状态进行精确分类，且精确获取脑信息的优点。

技术领域

本发明涉及一种认知活动状态分类的系统和方法，特别涉及一种基于fMRI体素水平脑功能信息的认知活动状态分类系统和方法。

背景技术

功能磁共振成像技术(fMRI，functional magnetic resonance imaging)是20世纪90年代开始兴起的一种新型的磁共振成像技术。该技术结合了功能、解剖和影像三方面的信息，不仅能显示脑功能激活区的部位、大小和范围，而且可直接显示激活区所在的确切解剖位置。与传统的非介入性脑功能定位技术(如：CT、PET、EEG以及MEG等)相比，具有无侵入、无创伤、无辐射、可重复、可精确定位以及较高的时间和空间分辨率等诸多优越特性，因而一经出现便成为脑功能成像的一种重要方法，被广泛的应用于各种领域的脑科学研究。

利用fMRI数据中隐含的脑功能连接信息对各种认知活动状态进行分类是目前国内外的研究热点，准确、高效的分类性能够为神经认知的研究、脑科疾病及心理疾病的预测和诊断等提供了有利的技术保障，有助于对数据进行深入地分析和判断。虽然当前存在许多利用fMRI数据功能连接信息的分类方法，并且在一定程度上获得不错的分类效果，但是在应用过程中还是存在各自的不足与缺陷，对认知活动状态的分类准确率还待进一步提高。例如，目前用于分类的功能连接信息一般都是在先验结构模板的基础上，将大脑划分成若干脑区或感兴趣区域，然后以每个区域内体素的平均时间序列来构造获得，进而以此为输入特征样本进行分类，从而忽略了脑区中每个体素时间序列所包含的功能信息，限制分类方法的分类能力。

因此，针对现有的利用功能磁共振成像数据进行认知活动状态分类的方法和技术还有待进一步发展与提高，需要在更加深入研究的基础上，提出更加完善的系统和方法。

发明内容

本发明的目的是提供一种基于fMRI体素水平脑功能信息的认知活动状态分类系统和方法，通过利用已有的组被试功能磁共振成像数据，挖掘出所有被试共同激活体素之间的功能连接信息，实现对各种认知活动状态的分类。

为了实现以上目的，本发明通过以下技术方案实现：

一种基于体素水平脑功能信息的认知活动状态分类系统，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。

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。

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。

本发明第二个技术方案为一种基于上文所述的基于体素水平脑功能信息的认知活动状态分类的分类方法，包含以下过程：