[发明专利]基于量子势能模型的功能磁共振成像脑分区方法及系统

权利要求书

1.一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，包括：

对fMRI脑图像进行预处理；

利用量子势能模型对预处理后的fMRI脑图像进行分区，具体过程为：提取预处理后的fMRI脑图像中的灰质部分，得到灰质图像；将灰质图像转换为二维矩阵形式M；二维矩阵M或对二维矩阵M进行主成分分析后形成的矩阵的每一列的值作为量子势能模型的输入值，构建量子波函数，进而将fMRI脑图像的体素位置坐标及灰度值转换为量子体系的粒子分布；

将构建的量子波函数输入至薛定谔方程中，得到量子体系的粒子空间势能的表达式，进而将fMRI脑图像中寻找脑分区中心的过程变为寻找量子体系中势能的极小值点；

计算量子体系的粒子空间势能的所有极小值点，作为脑分区的中心；

设置势能范围，将距离脑分区的中心在势能范围内的体素关联到对应的分区，并修改体素的灰度值为该分区中心对应的标签值；

输出结果矩阵；结果矩阵的列数为4的整数倍，且倍数等于待分区fMRI脑图像的数量，每4列分别为体素的x、y、z轴位置坐标以及其对应的标签值；行数等于体素个数，每一行对应一个体素；

按照结果矩阵中体素的x、y、z轴位置坐标将相应体素投影到三维曲面标准MNI脑模型中，不同的标签值显示不同的颜色，得到脑分区结果。

2.如权利要求1所述的一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，行数等于灰质图像的总体素数，列数为4的整数倍，且倍数等于待分区fMRI脑图像的数量；每一行代表一个体素，每4列分别代表体素的x、y、z轴位置坐标及体素的灰度值。

3.如权利要求2所述的一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，该方法还包括：调用OpenGL接口，通过三维渲染并将脑分区结果精确地呈现在三维MNI标准脑模型上；同时显示XZ平面、YZ平面和XY平面三视图，进而得到脑分区结果的矢状位、冠状位和横断位三视图；

或该方法还包括：输出分区结果，分区结果以NIfTI格式输出，应用于fMRI功能连接和大脑功能网络的分析中。

4.如权利要求2所述的一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，将预处理后的fMRI脑图像与标准MNI空间的灰质模板进行点乘，提取预处理后的fMRI脑图像中的灰质部分，得到灰质图像。

5.如权利要求2所述的一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，量子波函数为：

其中x_i＝[β₁,β₂,…,β_n]，β₁,β₂,…β_n分别为第i个体素对应的n个主成分的值，即矩阵M的第i行的n个元素，x为根据输入值构建的n维列向量空间，x_i为对二维矩阵M进行主成分分析后形成的矩阵；σ为波函数的宽度参数，σ的大小与分区数目相关。

6.如权利要求2所述的一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，该方法还包括：

通过设定极值点的阈值，控制极小值点的数量，记通过设定阈值后极小值点的数量为I个，按照x、y、z轴位置坐标从小到大依次将极小值点赋予连续的标签值1,2,…l；其中，l为大于或等于1的正整数。

7.如权利要求1所述的一种基于量子势能模型的功能磁共振成像脑分区方法，其特征在于，对fMRI脑图像进行预处理的过程包括：

对fMRI脑图像的时间层进行校正；

对fMRI脑图像的空间层进行校正；

将个体fMRI脑图像配准到MNI空间模板上；

对配准到MNI空间模板的fMRI脑图像进行空间平滑处理；

对空间平滑处理后的fMRI脑图像进行滤波。