[发明专利]一种青少年孤独症大脑功能网络模型分析方法

权利要求书

1.一种青少年孤独症大脑功能网络模型分析方法，其特征在于：包括以下步骤：

步骤一：收集数据自fcon_1000项目中的ABIDE数据库中的第二批数据ABIDEII中下载大脑图像数据，得到若干孤独症数据集原始数据，其中包含孤独症患者(ASD)57例以及正常对照组(HC)156例，为被试，取原始数据中的静息态大脑功能图像，然后根据该批数据中的各个被试的功能磁共振图像的扫描时间点参数的不同选用其中时间点为156个的图像数据来进行分析，一共有41例孤独症患者和118例正常对照组，共159例；

步骤二：数据预处理

使用DPARSF软件对步骤一中的静息态大脑功能图像原始处理进行预处理，处理流程包括：去除功能图像前N个时间点的数据、时间校正、头动校正、空间标准化、配准、分割、平滑、去趋势和滤波；

步骤三：大脑功能网络构建

完成功能图像预处理之后，得到拥有146个时间点的4D图像，对于每个被试，使用AAL90模板将大脑部分划分为90个脑区，提取每个脑区对应的146个时间点的信号序列，并以信号序列之间的皮尔逊相关系数的绝对值作为功能网络中脑区之间的连接强度，具体由公式(2-4)计算：

其中，即为脑区i，j之间的功能连接强度，为脑区i的信号序列，n为146，对于每个被试，都构建了一个带权值的脑功能网络；

步骤四：大脑网络二值化处理

按规则设置阈值，将带权重的网络转换为0-1二值网络，具体由公式(2-5)计算，

其中，网络密度D的定义为网络中实际存在的边数与最大可能边数之比，E为网络中实际存在的边数，N为网络节点数，在功能网络的构建过程中应用上述规则即可，具体由公式(2-6)计算，

步骤五：选取密度阈值

选取0.04～0.42，步长为0.02的密度阈值区间，一共20个密度阈值，考察在不同密度阈值下0-1功能网络的网络属性差异；

步骤六：大脑功能网络分析

将复杂网络和图论中的部分理论应用到大脑功能网络的分析中，考察孤独症病人组和正常对照组的大脑网络之间的差异，包括全局网络属性，在全局网络分析中，关注以下属性：

(1)特征路径长度，即网络中任意两点之间最短路径长度的均值，该属性越小，信息在任意两点之间的平均传递速度越快，特征路径长度越小，网络越接近于随机网络；特征路径长度越大，网络越接近于规则网络，具体由公式(2-7)计算，

其中，N为网络节点数，Distij为节点i到节点j的最短路径长度，

(2)聚类系数，即网络中节点的聚集程度，一般来说，聚类系数越高，网络中的功能分工越发达，结构的复杂化程度越高；否则说明分工不发达，结构的复杂化程度越低，具体由公式(2-8)计算，

其中，degi为节点i的度，ki为与节点i相邻接的节点之间实际存在的边数，

(3)全局效率(GlobalEfficiency)，即网络中任意两点之间最短距离的倒数的均值，当网络为非联通时，特征路径长度为无穷大，此时可计算网络的全局效率，和特征路径长度类似，网络的全局效率也反映网络中信息传递的速度，具体由公式(2-9)计算，

(4)局部效率，即由网络中每个节点同与其相邻的节点导出的子网络的效率的平均值，其中子网络的效率计算方法同全局效率，

(5)小世界属性，介于规则网络和随机网络之间的复杂网络称为小世界网络，它的特征路径长度小，聚类系数高，由公式(2-10)计算，

其中C为该网络的聚类系数，L为该网络的特征路径长度，Crand、Lrand分别为节点数相同的若干随机网络的平均聚类系数和平均特征路径长度，γ称为标准化后的聚类系数，λ称为标准化后的特征路径长度，相较于随机网络，小世界网络的聚类系数更大即γ＞1，特征路径长度更小即λ＜1，因此有σ＞1，

根据上述复杂网络和图论属性进行分析，寻找孤独症患者组和正常对照组之间的网络差异；

步骤七：层次化对比

使用层次结构模型，将需要处理的复杂网络分解为若干个比较简单的、耦合小的部分交给下一层分别进行处理，对比两组被试大脑功能网络的层次化程度。