[发明专利]脑功能图谱的绘制方法和系统

权利要求书

1.一种个体脑功能图谱的绘制方法，其特征在于，包括：

利用脑功能图谱模板对个体的脑功能图谱进行初始化，得到初始的个体脑功能图谱，该初始的个体脑功能图谱将大脑分为多个功能区；

将初始的个体脑功能图谱分为若干个大区，每个大区包括若干个功能区；

进入迭代，每一次迭代过程包括：依次计算每个大区中的每个体素与该大区中的每个功能区的连接度，将每个体素调整到与该体素的连接度最高的功能区，直至完成对所有体素的调整；

在满足终结条件时，终止迭代，得到最终的个体脑功能图谱。

2.根据权利要求1所述的方法，其特征在于，

每一次迭代过程具体包括：

根据每个功能区中的所有体素的时间序列信号，计算每个功能区的参考时间序列信号；

确定一个未经调整的体素为当前体素；

计算当前体素的时间序列信号和当前大区中的各个功能区的参考时间序列信号的相关值，该相关值作为当前体素与当前大区中的各个功能区的连接度，所述当前大区是当前体素所属的大区；

将当前体素调整到与当前体素的连接度最高的功能区；

判断是否所有体素都已经完成一次调整，若否，则返回所述确定一个未经调整的体素为当前体素的步骤；

若所有体素都已经完成一次调整，则结束该次迭代过程。

3.根据权利要求2所述的方法，其特征在于，

进入迭代之前还包括：对每个体素的可信度进行初始化；

将当前体素调整到与当前体素的连接度最高的功能区之后，还包括：更新当前体素的可信度；

计算每个功能区的参考时间序列信号，包括：对于每个功能区，计算该功能区的所有可信度不低于预设阈值的体素的时间序列信号的平均值或中位数，作为该功能区的参考时间序列信号。

4.根据权利要求3所述的方法，其特征在于，所述更新当前体素的可信度，包括：

从计算得到的当前体素的时间序列信号和当前大区中的各个功能区的参考时间序列信号的相关值中，选出最大相关值和第二大相关值；

计算和更新当前体素的可信度，当前体素的可信度等于最大相关值与第二大相关值的比值。

5.根据权利要求1-4中任一所述的方法，其特征在于，在满足终结条件时，终止迭代，包括：

在迭代次数达到预设次数或者达到收敛标准时，终止迭代。

6.根据权利要求1-4中任一所述的方法，其特征在于，还包括：预先选择或生成一个群体脑功能图谱作为脑功能图谱模板，步骤包括：

将大脑分为若干个大区；

在每个大区内计算出群体功能连接图，该功能连接图为大区内的体素和该大区内的N个感兴趣区域的功能连接矩阵，其中N为自然数；

基于所述功能连接图作为特征，利用聚类算法，将每个大区分成多个细颗粒度功能分区；

综合评价聚类算法的指标和最大化功能同质性的指标，确定多个局部最优的分区数；

利用合并算法将大区内的细颗粒度功能分区进行合并，创建出全脑的群体脑功能图谱作为所需要的脑功能图谱模板。

7.一种群体脑功能图谱的绘制方法，其特征在于，包括：

获取一群人的脑部磁共振扫描数据；

将大脑分为若干个大区；

在每个大区内计算出群体功能连接图，该群体功能连接图为大区内的所有体素和该大区内的N个感兴趣区域的功能连接矩阵，其中，N为自然数；

基于所述群体功能连接图作为特征，利用聚类算法，将每个大区分成多个细颗粒度功能分区；

综合评价聚类算法的指标和最大化功能同质性的指标，确定多个局部最优的分区数；

利用合并算法将大区内的细颗粒度功能分区进行合并，创建出全脑的群体脑功能图谱。

8.根据权利要求7所述的绘制方法，其特征在于，所述计算出群体功能连接图，包括：

在每个大区内计算出个体功能连接图，该群体功能连接图为大区内的体素和该大区内的N个感兴趣区域的功能连接矩阵，其中，N为自然数；

计算每个大区中的所有个体功能连接图的平均值，得到群体功能连接图。