[发明专利]一种偏头痛脑功能连接模式的提取方法

权利要求书

1.一种偏头痛脑功能连接模式的提取方法，其特征在于，该提取方法包含如下步骤：

步骤1，采集多个偏头痛患者的大脑静息态功能磁共振数据和多个正常人的大脑静息态功能磁共振数据；

步骤2，对采集到的每个被试的静息态功能磁共振数据进行预处理操作，包括时间层矫正、头动矫正、标准化和平滑四个操作；

步骤3，根据上述预处理后的每个被试的静息态功能磁共振数据，使用自动计算方式获得每个被试的全脑稳态功能连接列向量集；

步骤4，使用改进的K均值聚类算法对所有被试的全脑稳态功能连接列向量集进行聚类分析；

步骤5，根据上述聚类分析结果，根据阈值提取偏头痛的脑功能连接模式。

2.如权利要求1所述的一种偏头痛脑功能连接模式的提取方法，其特征在于，所述的步骤3包含如下步骤：

步骤3.1，对于每一个被试，计算所有脑区的平均时间序列，具体方法如下：根据预处理后的静息态功能磁共振数据，使用现有脑区模板获取全脑的N个脑区B₁、B₂、……B_N所包含的体素的时间信号值，将每个脑区包含的时间信号值进行平均，形成N个脑区的平均时间序列T₁、T₂、……T_N；对于时间长度为M的被试来说，平均时间序列其中表示第n个脑区在i时刻所有体素的平均时间信号值；

步骤3.2，对于每一个被试，计算全脑动态功能连接矩阵组，具体方法如下：通过采用滑动窗方法，利用一个特定宽度W的滑动窗以步长为1在时间序列T₁、T₂……T_N上滑动，在第j个时间窗下第n个脑区的时间序列表示为计算该被试所有脑区两两时间序列之间的皮尔森相关系数，得到M-W+1个动态功能连接矩阵dFC，这些动态功能连接矩阵构成了该被试的全脑动态功能连接矩阵组SetdFC＝{dFC₁，dFC₂，...，dFC_b，...，dFC_M-W+1}；

进一步地，脑区两两时间序列之间的皮尔森相关系数具体是指第a个滑动窗下脑区B_x和B_y时间序列dT_xa与dT_ya之间的皮尔森相关系数，其公式如下：

式中Cov(dT_xa，dT_ya)为dT_xa、dT_ya的协方差，D(dT_xa)、D(dT_ya)分别为dT_xa、dT_ya的方差，1≤a≤(M-W+1)，1≤x≤N，1≤y≤N；

进一步地，动态功能连接矩阵dFC_b是指第b个滑动窗下所有脑区两两时间序列之间的皮尔森相关系数组成的动态功能连接矩阵，具体表示为：

其中1≤b≤(M-W+1)，1≤u≤N，1≤v≤N；

步骤3.3，对于每一个被试，计算全脑动态功能连接强度矩阵wdFC，具体方法如下：将全脑动态功能连接矩阵组SetdFC的动态功能连接矩阵dFC_b(1≤b≤(M-W+1))，按照行将每行的数值累加后放到第一列，得到一个全脑动态功能连接强度列向量wdFCV_b(1≤b≤(M-W+1))；每个列向量大小为N×1；将M-W+1个列向量按照时间点从小到大进行拼接，形成全脑动态功能连接强度矩阵wdFC＝[wdFCV₁，wdFCV₂，…，wdFCV_b，…，wdFCV_M-W+1]，大小为N×(M-W+1)；

进一步地，wdFCV_b是指第b个滑动窗下的全脑动态功能连接强度列向量，具体表示为：

其中1≤b≤(M-W+1)，1≤c≤N，1≤d≤N；

步骤3.4，使用自动计算的方式将每一个被试的全脑动态功能连接强度矩阵进行自动分割，具体方法如下：对于每一个被试的全脑动态功能连接强度矩阵wdFC，依次计算wdFCV_k(2≤k≤N-1)与wdFCV_k-1的欧式距离记为Dist1，计算wdFCV_k与wdFCV_k+1记为Dist2；如果Dist2小于Dist1，则将k记录下来，标记为分割点；起始列向量和结尾列向量不做计算；

进一步地，列向量之间欧式距离，其公式如下：

其中E、F为列向量，e_g为E的元素，f_g为F的元素，H为列向量大小；

步骤3.5，对于每一个被试，计算全脑稳态功能连接列向量集，具体方法如下：根据得出的分割点，将动态功能连接强度矩阵wdFC沿着时间轴方向分割成段，对每个段内的值进行平均即可得到全脑稳态功能连接列向量；每个列向量大小为N×1；将所有列向量构成了该被试的全脑稳态功能连接列向量集。