[发明专利]一种静息态功能核磁共振信号的去趋势波动分析方法

权利要求书

1.一种静息态功能核磁共振信号的去趋势波动分析方法，其特征在于：方法包括如下步骤：S1采集数据，通过核磁共振设备采集测试者静息态下的原始脑影像数据；S2数据预处理，对获得的原始脑影像数据进行预处理；S3特征参数提取，对预处理之后的影像数据提取192个感兴趣区，覆盖9个大尺度脑功能网络；S4去趋势波动分析，对每个被试、每次扫描及每个感兴趣区的瞬时波幅时间序列信号分别进行去趋势分析，获得DFA指数；S5统计分析，考查两组被试DFA指数是否有显著的组间差异。

2.根据权利要求1所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S1中所采用核磁共振设备的参数设置为：(1)T2加权平面回波成像的重复时间为2000ms，回波时间为30ms，翻转角为90°，视野为220×200mm，矩阵为64×64，体素大小为3.4×3.4×3.4mm，共扫描包括全脑的43层信号；(2)T1加权快速扰相梯度回波序列的重复时间为8.1ms，回波时间为3.1ms，反转时间为450ms，翻转角为8°，视野为256×256mm，矩阵为256×256，体素大小为1.0×1.0×1.0mm，共扫描包括全脑的176层。

3.根据权利要求1所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S2中数据预处理的具体步骤如下：(1)删掉每个静息态fMRI信号时间序列的前4个数据点；(2)对静息态fMRI图像进行时间层矫正，以消除间隔扫描带来的时间相位差；(3)使用六参数刚体线性变换将被试的功能像对齐至第一个时间点，再对齐至平均功能像，实现头动的矫正；(4)将个体的T1加权像通过六自由度线性变换对齐至平均功能像；(5)对T1加权结构像进行分割，分为灰质、白质和脑脊液，并基于分割结果将被试的功能像从个体空间转换到MNI空间；(6)使用图像分割时得到的空间变换信息并结合EPI模板将功能像配准到3mm体素的MNI152空间；(7)对脑成像信号进行平滑操作，平滑操作时的半峰全宽为6×6×6。

4.根据权利要求1所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S3中9个大尺度脑功能网络为：带状盖任务控制网络、听觉网络、默认网络、腹侧注意网络、视觉网络、额顶任务控制网络、突显网络、皮层下区域以及腹侧注意网络。

5.根据权利要求1所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S3中以每个感兴趣区的MNI坐标为球心、6mm为半径定义一个球形区域，并将该球形区域内的体素BOLD效应平均，后续分析中将该体素间平均信号的时间序列代表该感兴趣区的信号。

6.根据权利要求1所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S4中去趋势波动分析方法可具体分为如下步骤：(1)对于某个时间序列A(t)，通过如下公式计算其“信号波形”：其中·表示该时间序列的时域平均；(2)定义了一系列的窗口长度T，分别是4、8、16、32以及64个TR，对于集合T中的每一个窗口长度τ，“信号波形”S(t)被划分为一系列长度为τ且重叠50％的窗口，在每一个窗口通过最小二乘拟合消除其线性趋势，并进而计算其波幅值标准差，对于每个窗口长度τ，计算该窗口长度下所有窗口标准差的均值作为该窗口长度下的“波动函数”F(τ)；(3)在所有窗口长度下的波动函数F(τ)计算完成后，在双对数轴上绘制所有窗口长度的波动函数，即分别对窗口长度和波动函数进行对数变换。

7.根据权利要求1所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S5中，分别对每个感兴趣区的DFA指数进行了独立样本t检验。

8.根据权利要求7所述的一种静息态功能核磁共振信号的去趋势波动分析方法，其特征是，所述步骤S5中，以每个被试的标准化智力评分、年龄、头动平均位移、头动位移大于0.2mm的图像的百分比、性别和站点为协变量，并采用FDR程序对p值进行校正来控制多重比较问题。