[发明专利]一种fMRI脑网络机制启发的动态功能模式学习方法

说明书

本发明公开一种基于fMRI脑网络机制启发的动态功能模式学习方法，包含：采集若干被试的静息态fMRI脑影像数据；将静息态fMRI脑影像数据进行预处理操作；根据预处理后的静息态fMRI脑影像数据，采用GICA‑IR方法分别获得组水平和个体水平的静息态脑功能网络及其对应的时间序列；使用滑动时间窗方法计算每个被试对应的静息态脑功能网络之间的动态功能连接矩阵，并将其上三角元素张成动态功能连接向量，进而获得所有被试对应的动态功能连接向量集；利用深度神经网络模型和仿射传播聚类算法提取出隐含于动态功能连接向量集中的大脑固有动态功能连接模式。本发明为揭示脑认知活动的基本原理、脑神经疾病的受损机制以及探索职业脑可塑性重组特征等提供坚实基础。

技术领域

本发明涉及属于脑影像学图像处理技术领域，特别涉及一种基于fMRI脑网络机制启发的动态功能模式学习方法。

背景技术

大脑是人体最重要的器官，它控制着人类的思维、意识、情感、记忆等各种认知行为，是人类实现高级认知功能活动的中枢神经系统，也是人类迄今为止所知道的最为复杂和精密的系统之一。如何认识脑，探索大脑神经活动的认知机制，是国内外科学界力求突破和探索的一个重要领域，具有十分重要的研究价值。

近年来，随着科学技术的不断发展，脑功能成像技术已成为当前脑科学领域最受关注的研究热点和前沿方向之一。其中，功能磁共振成像技术(functional MagneticResonance Imaging，fMRI)由于结合了功能、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，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，因而被广泛的应用于各领域的脑科学研究。

基于fMRI脑功能网络连接分析是利用该技术进行脑科学研究的一项重要内容。由于大脑是一个始终处于动态变化之中的高度复杂系统，定量描述脑功能连接模式随时间的动态变化更符合大脑神经活动的本质，可以为探索脑网络的基本属性提供更加丰富的信息。因此，完善和发展动态脑功能网络连接分析方法，通过fMRI脑网络之间的动态功能连接模式来探究大脑的动态特性具有重要意义，不仅能够有效地挖掘出隐含在fMRI信号中的内在信息，而且还可以更好地揭示大脑神经活动规律，促进fMRI技术发挥重要作用。然而，当前的动态脑功能网络连接分析方法在脑网络构建和动态脑功能模式提取等方面还存在若干关键问题需要进一步系统解决。

基于上述，本发明旨在利用fMRI神经成像技术获取脑影像大数据情况下，通过充分利用脑网络机制之间的属性特征，采用基于数据本真参考信号的组独立成分分析(groupindependent component analysis with intrinsic reference,GICA-IR)和滑动时间窗分析、以及深度神经网络模型和仿射传播聚类算法等方法来解析活体人脑的全脑动态功能连接模式。从而为揭示脑认知活动的基本原理(如脑发育、脑老化)、脑神经疾病的受损机制(如自闭症、儿童多动症、抑郁症、精神分裂症、阿尔茨海默病、帕金森病)以及探索职业脑可塑性重组特征(如海员、飞行员)等提供坚实基础。

发明内容

本发明的目的在于提供一种fMRI脑网络机制启发的动态功能连接模式学习方法，通过GICA-IR方法提取出fMRI脑影像数据中感兴趣的组水平和个体水平静息态脑功能网络及其对应的时间序列，然后采用滑动时间窗方法计算出每组数据中对应这些脑网络之间的动态功能连接矩阵，最后使用深度神经网络模型和仿射传播聚类算法对动态功能连接向量集进行聚类分析，提取出人类大脑中固有的动态脑功能连接模式。

为了达到上述目的，本发明通过以下技术方案实现：

一种基于fMRI脑网络机制启发的动态功能模式学习方法，该方法包含以下步骤：

S1、采集若干被试的静息态fMRI脑影像数据；

S2、将步骤S1中采集获得的所述静息态fMRI脑影像数据进行预处理操作，得到预处理后的静息态fMRI脑影像数据；