靶点确定方法、装置、设备及存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种靶点确定方法、装置、电子设备、存储介质及神经调控设备。


背景技术：

2.如何在人脑中选择神经调控靶点是当前神经科学领域的技术难题，当前迫切需要一种有效的辅助手段来帮助筛选个体化神经调控靶点。


技术实现要素：

3.本公开提出了靶点确定方法、装置、电子设备及存储介质，用以筛选个体化神经调控靶点。
4.第一方面，本公开提供了一种靶点确定方法，该方法包括：获取受试者的扫描数据，其中，所述扫描数据包括对所述受试者的脑部进行磁共振成像得到的数据；根据所述扫描数据确定所述受试者的至少两个感兴趣区(region of interest，roi)；根据所述受试者的疾病类型确定所述疾病类型的roi对应关系；根据所述roi对应关系在所述至少两个roi中确定至少一个疾病roi和至少一个靶点roi；确定所述靶点roi中每个体素与所述至少一个疾病roi中的每个疾病roi的连接度；将所述靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点。
5.在一些可选的实施方式中，所述确定所述靶点roi中每个体素与所述至少一个疾病roi中的每个疾病roi的连接度，包括：
6.将所述靶点roi中每个体素与所述至少一个疾病roi中每个疾病roi的连接系数确定为所述靶点roi中相应体素与所述至少一个疾病roi中相应疾病roi的连接度。
7.在一些可选的实施方式中，所述将所述靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点，包括：
8.将所述靶点roi中连接度绝对值大于预设靶点连接度阈值的体素确定为所述靶点。
9.在一些可选的实施方式中，所述将所述靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点，包括：
10.将所述靶点roi中的体素按照连接度绝对值由大到小的顺序排列，得到一体素序列；
11.将所述体素序列中从第一个起依次至预设体素数量个体素对应的位置确定为靶点。
12.在一些可选的实施方式中，所述预设体素数量包括所述靶点roi中体素总数与预设体素比例的乘积。
13.在一些可选的实施方式中，所述根据所述扫描数据确定所述受试者的至少两个roi，包括：
14.确定所述扫描数据中每两个体素之间的连接度，形成所述扫描数据对应的脑连接矩阵；
15.基于标准脑的脑区模板及所述脑连接矩阵，形成所述至少两个roi。
16.在一些可选的实施方式中，所述根据所述扫描数据确定所述受试者的至少两个roi，包括：
17.确定所述扫描数据中每两个体素之间的连接度；
18.将所述扫描数据对应所述受试者的脑部解剖结构分为多个大区，将所述多个大区剖分为多个脑区，其中，所述多个脑区中每个脑区包括至少一个体素；
19.将所述多个脑区中各脑区之间的体素连接度高于预设脑区体素连接度阈值的脑区融合，形成所述至少两个roi。
20.在一些可选的实施方式中，所述磁共振成像，包括：结构磁共振成像，和/或，任务态功能磁共振成像，和/或，静息态功能磁共振成像。
21.第二方面，本公开提供了一种靶点确定装置，该装置包括：
22.数据获取单元，被配置成获取受试者的扫描数据，其中，所述扫描数据包括对所述受试者的脑部进行磁共振成像得到的数据；
23.处理单元，被配置成根据所述扫描数据确定所述受试者的至少两个感兴趣区域roi；
24.设置单元，被配置成根据所述受试者的疾病类型确定所述疾病类型的roi对应关系；根据所述roi对应关系在所述至少两个roi中确定至少一个疾病roi和至少一个靶点roi；
25.所述处理单元，还被配置成确定所述靶点roi中的体素与所述至少一个疾病roi中的每个疾病roi的连接度；
26.靶点确定单元，被配置成将所述靶点roi中连接度符合预设靶点连接度标准的体素确定为靶点。
27.在一些可选的实施方式中，所述处理单元，被进一步配置成：
28.确定所述至少一个疾病roi中每个疾病roi；
29.将所述靶点roi中的体素与所述至少一个疾病roi中每个疾病roi的连接系数确定为所述靶点roi中相应体素与所述至少一个疾病roi中相应疾病roi的连接度。
30.在一些可选的实施方式中，所述靶点确定单元，被进一步配置成：
31.将所述靶点roi中连接度绝对值大于预设靶点连接度阈值的体素对应的位置确定为所述靶点。
32.在一些可选的实施方式中，所述靶点确定单元，被进一步配置成：
33.将所述靶点roi中的体素按照连接度绝对值由大到小的顺序排列，得到一体素序列；
34.将所述体素序列中从第一个起依次至预设体素数量个体素对应的位置确定为靶点。
35.在一些可选的实施方式中，所述预设体素数量包括所述靶点roi中体素总数与预设体素比例的乘积。
36.在一些可选的实施方式中，所述处理单元，被进一步配置成：
cortex，dlpfc)定位方法(常称为“5cm”定位法)；缺陷：忽略了个体解剖结构差异且定位精度低，导致神经调控靶点定位不精准；忽略个体功能网络差异，靶点位置可能位于其他大脑功能区。
61.3、根据电极帽确定神经调控靶点，如国际10
‑
20电极帽定位方法；缺陷：忽略了个体解剖结构差异且定位精度低，导致神经调控靶点定位不精准；忽略个体功能网络差异。
62.4、基于解剖结构或人群平均fmri研究定义的roi来确定神经调控靶点；缺陷：多种神经与精神疾病往往没有明确的致病灶、只表现为神经系统功能异常，单纯解剖结构无法反应疾病特征；神经和精神类疾病病因复杂，加之个体差异，基于人群平均fmri的治疗方案有效率低。
63.5、根据pet扫描数据反映的组织结构代谢情况来确定神经调控靶点；缺陷：pet扫描价格昂贵，加重医疗负担；扫描有一定辐射；pet扫描适用的神经与精神疾病有限；图像信噪比低，解剖结构的边界不清晰影响确定靶点的准确性，临床治疗有效性低。
64.本公开提供的靶点确定方法、装置、电子设备和存储介质，通过获取受试者的扫描数据，其中，所述扫描数据包括对所述受试者的脑部进行磁共振成像得到的数据；根据所述扫描数据确定所述受试者的至少两个感兴趣区域roi；根据所述受试者的疾病类型确定所述疾病类型的roi对应关系；根据所述roi对应关系在所述至少两个roi中确定所述受试者的至少一个疾病roi和至少一个靶点roi；确定所述靶点roi中的体素与所述至少一个疾病roi中的每个疾病roi的连接度；将所述靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点利用功能磁共振成像刻画个体大脑扫描数据，依据roi的功能联通性模式，筛选靶点，在充分考虑个体差异性的基础上，可以有效解决传统方法中未考虑个体结构或功能差异导致的神经调控靶点不准确的问题，实现了对个体化神经靶点对应体素的定位。
附图说明
65.附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例，通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。
66.图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
67.图2是根据本公开的靶点确定方法的一个实施例的流程示意图；
68.图3是图2所示的靶点确定方法中步骤202一个实施例的局部分解示意图；
69.图4是图2所示的靶点确定方法中步骤202又一实施例的局部分解示意图；
70.图5是实际应用中采用上述实施例中方法对受试者的大脑功能网络的分区结果示意图；
71.图6是实际应用中利用上述实施例中方法位于背外侧前额叶的神经调控靶点示意图；
72.图7是根据本公开的靶点确定装置的一个实施例的结构示意图；
73.图8是适于用来实现本公开的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
74.为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。
75.在本公开实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
76.需要说明的是，本公开实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本公开的实施例可以除了在这里图示或描述的那些以外的顺序实施。
77.图1示出了可以应用本公开的靶点确定方法或靶点确定装置的实施例的示例性系统架构100。
78.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
79.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如磁共振成像控制应用、功能磁共振成像控制应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
80.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子确定受试者的多个脑功能分区设备中。其可以实现成多个软件或软件模块(例如用来提供脑功能图谱的处理)，也可以实现成单个软件或软件模块。在此不做具体限定。
81.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的扫描数据进行处理的后台数据处理服务器。后台数据处理服务器可以根据扫描数据，确定受试者的多个脑功能分区及每个脑功能分区对应的体素反馈给终端设备。
82.需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
83.需要说明的是，本公开所提供的靶点确定方法一般由服务器105执行，相应地，靶点确定装置一般设置于服务器105中。
84.需要说明的是，在一些情况下，本公开所提供的靶点确定方法可以通过服务器105执行，也可以通过终端设备101、102、103执行，还可以通过服务器105和终端设备101、102、103共同执行。相应地，靶点确定装置可以设置于服务器105中，也可以设置于终端设备101、102、103中，还可以部分设置于服务器105中部分设置于终端设备101、102、103中。以及相应地，系统架构100可以只包括服务器105，或者只包括终端设备101、102、103，或者可以包括
终端设备101、102、103，网络104和服务器105。本公开对此不做限定。
85.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
86.继续参考图2，其示出了根据本公开的靶点确定方法的一个实施例的流程200。该靶点确定方法，包括以下步骤：
87.步骤201，获取受试者的扫描数据。
88.本公开实施例中，扫描数据包括对受试者的脑部进行磁共振成像得到的数据。
89.扫描数据包括预设数目个体素中每个体素对应的血氧水平依赖(blood oxygen level dependency，bold)信号序列。
90.在本实施例中，靶点确定方法的执行主体(例如图1所示的服务器)可以首先本地或者远程地从与上述执行主体网络连接的其他电子设备(例如图1所示的终端设备)获取受试者的扫描数据。
91.体素又称立体像素(voxel)，是体积像素(volume pixel)的简称。体素从概念上类似二维空间的最小单位——像素，像素用在二维电脑图像的影像数据上。体素是数字数据于三维空间分割上的最小单位，应用于三维成像、科学数据与医学影像等领域。
92.体素对应的bold信号序列是指，对受试者进行磁共振扫描，进而对每个体素每隔预设时间单位得到一个bold信号，并最终得到一段时间的bold信号，把这些bold信号按照采集时间先后顺序排列即得到每个体素对应的bold信号序列，其中所包括的bold信号数目可以为目标任务对应的时长除以预设时间单位所得到的整数商。例如，扫描对应的时长300秒，预设时间单位为2秒，则每个体素对应的bold信号序列中150个bold值，也可以认为每个体素对应的bold信号序列有150帧数据，或者也可以认为每个体素对应的bold信号序列为维度为150维的向量，或者也可以认为每个体素对应的bold信号序列为1
×
150阶矩阵，本公开对此不做具体限定。
93.可以理解的是，扫描数据所包括体素的具体数目可以根据功能磁共振成像或磁共振成像的扫描精度确定，也可以根据成像设备的精度确定，这里的预设数目并非对于体素的具体数量限定，目前的实际应用中，人脑扫描数据的体素数量是以万或十万来衡量的，随着扫描技术的进步，人脑扫描数据所包括的体素数量还能够进一步提高。
94.在本公开中，上述执行主体可以从本地或者远程地从与上述执行主体网络连接的其他电子设备(例如图1所示的终端设备)获取受试者的扫描数据。
95.本公开的实施例中，磁共振成像，可包括：结构磁共振成像，和/或，任务态功能磁共振成像，和/或，静息态功能磁共振成像。
96.功能磁共振成像得到的数据含有时间序列信息，相当于四维图像。例如：采集功能磁共振成像图像，3维的图像矩阵(length x width x height，l x m xn)，每2秒采集一帧，则6分钟可采集150帧数据，形成lxmxn个体素x150的功能磁共振成像数据信号。
97.结构磁共振成像得到的数据是一个高分辨率的三维灰度解剖结构图像，例如t1w(t1加权成像
‑‑‑
突出组织t1弛豫(纵向弛豫)差别)及其相关影像，t2w(t2加权成像
‑‑‑‑
突出组织t2弛豫(横向弛豫)差别)及其相关影像，液体衰减反转恢复序列(fluid attenuated inversion recovery，flair)及其相关影像；结构磁共振成像还可包括磁共振弥散成像，如：弥散加权成像(diffusion
‑
weighted imaging，dwi)及其相关影像，弥散张量成像
(diffusion tensor imaging，dti)及其相关影像等。
98.dti是一种用于研究中枢神经系统解剖神经束弥散各向异性和显示白质纤维解剖的磁共振技术，通过组织中水分子弥散的各向异性(anisotropy)来探测组织微观结构。脑白质的各向异性是由于平行走行的髓鞘轴索纤维所致，脑白质的弥散在平行神经纤维方向最大，即弥散各向异性分数(fractionalanisotropy，fa)最大，可近似确定为1(实际可为大于0.9并趋近于1的分数)。这一特性用彩色标记可反映出脑白质的空间方向性，即弥散最快的方向指示纤维走行的方向。通过dti进行纤维束成像可得到反映大脑结构的脑连接矩阵。
99.本公开的实施例中，功能磁共振成像，可包括：任务态功能磁共振成像，和/或，静息态功能磁共振成像。
100.可以理解的是，静息态功能磁共振成像为受试者在扫描期间不执行任何任务时对受试者脑部进行磁共振扫描所得到的磁共振成像。任务态功能磁共振成像为在受试者执行目标任务时对受试者脑部进行磁共振扫描所得到的磁共振成像。
101.在获取受试者的脑结构磁共振扫描数据后，可以采用各种实现方式根据受试者的脑结构磁共振扫描数据确定受试者的脑结构图，即，得到受试者的大脑中具体哪些区域是什么结构部件。例如，可以采用现有的处理三维脑扫描数据的软件来实现，比如磁共振数据处理软件自由皮层重建(freesurfer)。又例如，也可以预先基于大量的脑结构影像扫描样本数据和对应的脑结构部件的标注对深度学习模型进行训练，再将受试者的脑结构磁共振扫描数据输入训练得到的深度学习模型，并得到相应的脑结构图。
102.在一些可选的实施方式中，上述执行主体在获取到受试者的扫描数据后，对扫描数据进行预处理。
103.本公开中，对于预处理的处理方法不做具体限定，示例性地，预处理可包括：
104.对磁共振成像影像预处理，例如，
105.(1)时间层校正、头动校正、时间信号滤波、噪声成分回归、空间平滑等；
106.(2)功能磁共振成像影像与结构像配准(如果有结构像)；
107.(3)功能磁共振成像信号投影到结构像(如果有结构像)，包括重建的个体脑皮层影像或者相关组平均水平的结构影像。
108.对结构磁共振成像影像预处理(如果有结构像)，例如去头骨、场强校正、个体解剖结构分割、脑皮层重建等。
109.步骤202，根据扫描数据确定受试者的至少两个roi。
110.对于上述步骤202，本公开提供了多种可选的实现方式。
111.图3是图2所示的靶点确定方法中步骤202一个实施例的局部分解示意图，在一些可选的实施方案中，如图3所示，上述步骤202可具体包括：
112.步骤202a1，确定扫描数据中每两个体素之间的连接度，形成扫描数据对应的脑连接矩阵。
113.示例地，假设扫描数据中体素的数量为10万个，每个体素对应的bold信号序列包括t个bold值，t为扫描时间对应的时间维度的采样数，则扫描数据对应的脑连接矩阵则为10万x10万阶矩阵，该脑连接矩阵能够表征上述扫描数据中每两个体素之间的连接度；其中，两个体素之间的连接度可基于体素对应的t个bold值，通过皮尔逊相关系数计算得到。
114.步骤202a2，基于标准脑roi模板及脑连接矩阵，形成至少两个roi。
115.示例地，可利用模式识别或机器学习方法，基于标准脑的roi模板对受试者建立包含2个以上roi的脑功能网络。方法可包括但不限于：独立成分分析(independent component correlation algorithm，ica)，主成分分析(principal component analysis，pca)，各类型聚类方法，因子分析(factor analysis)，线性判别分析(linear discriminant analysis，lda)，各种矩阵分解方法等。最终得到的脑功能网络，针对不同被试可能各个功能分区包括的体素位置不同，但每个体素都归属于某一个特定的roi。即受试者的每个roi，都可以是由具有相同功能的fmri中的体素构成的体素集合。
116.图4是图2所示的靶点确定方法中步骤202又一实施例的的局部分解示意图，在一些可选的实施方式中，如图4所示，上述步骤202可具体包括：
117.步骤202b1，确定扫描数据中每两个体素之间的连接度。
118.步骤202b2，将扫描数据对应受试者的脑部解剖结构边界分为多个大区，将多个大区剖分为多个脑区，其中，多个脑区中每个脑区包括至少一个体素。
119.步骤202b3，将多个脑区中各脑区之间的体素连接度高于预设脑区体素连接度阈值的脑区融合，形成至少两个roi。
120.示例地，首先把受试者的大脑先按照主要的解剖结构边界分成多个大区域；之后在每个大区域利用功能连接进行剖分，每个区域都按可靠性(test
‑
retest reliability)来确定功能连接。把每个大区域进行剖分之后得到多个脑区，再把这些脑区根据其所包含的体素的相似性进行融合，将体素高度相关的脑区合为一个roi，示例地，最终可在全脑确定至少两个roi。
121.在一些可选的实施方式中，上述步骤202可具体包括：
122.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，将脑功能图谱模板中至少两个脑脑区域的边界投射到受试者的脑部扫描数据。
123.基于受试者的脑部扫描数据对至少两个脑脑区域的边界调整，以使调整后的脑脑区域边界与至少受试者的脑部扫描数据相匹配，形成至少两个roi。
124.示例地，先将群体脑功能图谱直接投射到受试者的大脑，之后再采用递归算法，根据受试者的解剖脑功能图谱对这些群体脑功能图谱投射的脑区的边界进行逐步调整，直到脑区的边界趋于稳定。递归过程将利用受试者的连接度个体差异分布，以及受试者自身的脑影像信噪比，来确定脑脑区域的边界调整的幅度。最后，将脑脑区域按照体素的相关性进行融合，由此得到至少两个roi。
125.本公开中，体素与roi的连接度，可包括体素与roi中每个体素连接度的平均值；两个roi之间的连接度，可包括两个roi中，每个roi中体素与另一个roi中每个体素的连接度的平均值；体素与脑区的连接度，可包括体素与脑区中每个体素连接度的平均值；两个脑区之间的连接度，可包括两个脑区中，每个脑区中体素与另一个脑区中每个体素的连接度的平均值。
126.连接度表征脑连接的连接程度，也可以表示为相关度。这里，脑连接可包括功能连接和结构连接。功能连接可基于roi内体素对应的bold时间序列，通过皮尔逊相关系数计算得到；结构连接包括如根据纤维束成像获得的roi间的结构连接等。
127.在一些可选的实施方式中，上述步骤202可具体包括：
128.构建标准roi库，roi库中包含多种测试场景相关的roi及其潜在的功能连接模式。
有标准roi库后，就可以通过测试场景类型筛选得到对应roi，然后在此基础上得到受试者的至少两个roi。
129.步骤203，根据受试者的疾病类型确定疾病类型的roi对应关系。
130.疾病类型包括对受试者诊断确定的疾病类型或欲对受试者进行治疗的症状对应的疾病类型。
131.疾病类型的roi对应关系可以根据现有的已确定的疾病类型的roi对应关系查询，也可根据实际需求进行设置；这里对于疾病类型的roi的获取方式只是举例说明，而非具体的限定。
132.步骤204，根据roi对应关系在至少两个roi中确定至少一个疾病roi和至少一个靶点roi。
133.对于受试者的疾病类型，按照预设的疾病类型的roi对应关系确定与受试者疾病类型对应的两种roi：(1)m个疾病roi；(2)n个靶点roi。其中，m和n均为大于等于1的正整数。
134.可以理解的是，靶点roi即包含了与疾病roi相对应的神经靶点的roi，神经靶点与目标脑功能分区之间具有神经关联，能够通过对神经靶点的刺激对目标脑功能分区进行神经调控。
135.步骤205，确定靶点roi中的体素与至少一个疾病roi中的每个疾病roi的连接度。
136.在一些可选的实施方式中，上述步骤205可具体包括：
137.确定至少一个疾病roi中每个疾病roi；将靶点roi中的体素与至少一个疾病roi中每个疾病roi的连接系数确定为靶点roi中相应体素与至少一个疾病roi中相应疾病roi的连接度。
138.本公开中，连接系数为皮尔森(pearson)相关系数，是用来衡量变量间的线性关系的系数。其计算公式为：
[0139][0140]
公式定义为：两个连续变量(x,y)的pearson相关性系数(ρ
x,y
)等于它们之间的协方差cov(x,y)除以它们各自标准差的乘积(σ
x
,σ
y
)。系数的取值总是在
‑
1.0到1.0之间，等于或近似等于0的变量被成为无相关性，等于或近似等于1或者
‑
1被称为具有强相关性。这里，近似等于可以理解为与目标值的差值在误差允许的范围内，例如，本公开中，0.01可近似等于0，或者，0.99可近似等于1，这里只是举例说明，实际应用中可根据计算所需的精度来确定近似等于的误差允许范围。
[0141]
步骤206，将靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点。靶点可以包括单一体素对应的坐标，也可以是一些体素构成的一个区域集合。
[0142]
在一些可选的实施方式中，上述步骤206可具体包括：
[0143]
将靶点roi中连接度绝对值大于预设靶点连接度阈值的体素对应的位置确定为靶点。
[0144]
其中，预设靶点连接度阈值可根据实际需求设置，这里只是举例说明，而非对预设靶点连接度阈值的具体限定。可以理解的是，连接绝对值越大则表征了靶点roi中对应该连接的体素与疾病roi的相关程度越大；因此，将靶点roi中连接度绝对值大于预设靶点连接度阈值的体素确定为靶点，能够有效筛选与疾病roi连接符合预设要求的靶点。
[0145]
在一些可选的实施方式中，上述步骤206可具体包括：
[0146]
将靶点roi中的体素按照连接度绝对值由大到小的顺序排列，得到一体素序列，将体素序列中从第一个起依次至预设体素数量个体素确定为靶点。
[0147]
其中，预设体素数量可根据实际需求设置，这里只是举例说明，本公开对此不作具体限定；可以理解的是，在一些应用场景中，上述实施例中基于预设靶点连接度阈值判定得到的靶点数量，可能超过或不足后期对靶点进行例如调控等操作时所需要的靶点数，因此，可根据实际需要的靶点数设置预设体素数量，以满足实际需求的靶点数。
[0148]
在一些可选的实施方式中，预设体素数量为靶点roi中体素总数与预设体素比例的乘积。
[0149]
其中，预设体素比例可根据实际需求设置，例如，根据后期对靶点进行例如调控等操作时，为便于操作时区分靶点，可以通过设置预设体素比例来确定满足实际需求比例的靶点数。
[0150]
对于n个靶点roi中的靶点roi，计算该靶点roi内的每个体素与m个目标roi中每个目标roi的连接度(例如，用皮尔逊相关系数，计算该体素与测试场景对应目标roi的平均信号序列的连接)，然后在该靶点roi的体素中挑选连接在前多少个，或者连接排名前多少比例，或者连接绝对值大于多少的体素，作为靶点。这里可以是正连接或者负连接。比如如果两个体素之间相关系数0
‑
1之间，这两个体素之间是正连接，而相关系数在
‑
1～0之间，是负连接。但总之，靶点是在靶点roi对应的体素中找到的。
[0151]
按照上述方法确定的靶点比较准确，在实际应用中，科研人员或医护人员可根据上述方法确定的靶点，利用光学导航设备或电磁导航设备对受试者进行神经调控导航，能够提高神经调控的有效率。
[0152]
本公开提供了一种神经调控设备，被配置成按照预设的神经调控方案对受试者的靶点进行神经调控，其中，受试者的靶点是根据本公开上述任一实施例中靶点确定方法确定的。
[0153]
神经调控设备可包括植入性神经调控设备和非植入性神经调控设备，例如：事件相关电位分析系统、脑电图系统、脑机接口设备等。本公开对于神经调控设备的具体形式不做限定，这里只是举例说明。
[0154]
对受试者的靶点进行神经调控，可以是由操作人员按照靶点对神经调控设备进行连接后调控，也可以是由神经调控设备根据操作人员输入或根据神经调控设备主动获取得到的受试者的靶点进行调控。这里只是举例说明，而非具体的对受试者的靶点进行神经调控的限定，技术人员可以根据实际的神经调控设备使用方式进行操作。示例地，预设的神经调控方案可以包括但不限于：
[0155]
a.基于电脉冲序列的神经调控方案
[0156]
i.脑深部电刺激
[0157]
ii.经颅电刺激
[0158]
iii.电抽搐相关疗法
[0159]
iv.基于皮层脑电电极的电刺激
[0160]
v.以上技术的相关衍生技术
[0161]
b.基于磁脉冲序列的神经调控方案
[0162]
i.经颅磁刺激及相关方案
[0163]
ii.以上技术的相关衍生技术
[0164]
c.基于超声的神经调控方案
[0165]
i.超声聚焦神经调控方案
[0166]
ii.磁共振引导高能超声聚焦治疗系统及相关调控方案
[0167]
iii.以上技术的相关衍生技术
[0168]
d.基于光的神经调控方案
[0169]
i.不同波段的光刺激及相关方案
[0170]
ii.以上技术的相关衍生技术
[0171]
随着新型神经调控设备和神经调控技术的逐渐发展，在将来的神经调控设备及神经调控方案中也均可采用本公开的靶点确定方法确定神经调控的靶点，这也属于本公开的保护范畴。
[0172]
为直观展示上述实施例中方法的效果，示例地，图5展示了实际应用中采用上述实施例中方法对受试者的大脑功能网络的分区结果，不同深度的灰色代表大脑不同的功能分区；图6展示了实际应用中利用上述实施例中方法位于背外侧前额叶的神经调控靶点，其中，第一靶点601为背侧靶点，能够用于调节焦虑对应的roi，第二靶点602为腹侧靶点，能够用于调节抑郁对应的roi。
[0173]
本公开中建立脑功能网络的方法能高效、可靠地获取大脑各个部位的功能信息，提升了脑区域定位的准确性。借助群组水平的脑功能图谱来辅助个体大脑的功能定位，提升了神经调控靶点定位结果的可靠性。
[0174]
进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种靶点确定装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0175]
如图7所示，本实施例的靶点确定装置700包括：数据获取单元701、设置单元702、处理单元703及靶点确定单元704。其中，
[0176]
数据获取单元701，被配置成获取受试者的扫描数据，其中，扫描数据包括对受试者的脑部进行磁共振成像得到的数据；扫描数据包括预设数目个体素中每体素对应的血氧水平依赖bold信号序列。
[0177]
处理单元703，被配置成根据所述扫描数据确定受试者的至少两个感兴趣区域roi。
[0178]
设置单元702，被配置成根据受试者的疾病类型确定疾病类型的roi对应关系；根据roi对应关系在至少两个roi中确定至少一个疾病roi和至少一个靶点roi。
[0179]
处理单元703，还被配置成确定靶点roi中的体素与至少一个疾病roi中的每个疾病roi的连接度。
[0180]
靶点确定单元704，被配置成将靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点。
[0181]
在一些可选的实施方式中，处理单元703，被进一步配置成：
[0182]
确定至少一个疾病roi中每个疾病roi；
[0183]
将靶点roi中的体素与至少一个疾病roi中每个疾病roi的连接系数确定为靶点
roi中相应体素与至少一个疾病roi中相应疾病roi的连接度。
[0184]
在一些可选的实施方式中，靶点确定单元704，被进一步配置成：
[0185]
将靶点roi中连接度绝对值大于预设靶点连接度阈值的体素对应的位置确定为靶点。
[0186]
在一些可选的实施方式中，处理单元703，被进一步配置成：
[0187]
将靶点roi中的体素按照连接度绝对值由大到小的顺序排列，得到一体素序列；
[0188]
将体素序列中从第一个起依次至预设体素数量个体素对应的位置确定为靶点。
[0189]
在一些可选的实施方式中，预设体素数量包括靶点roi中体素总数与预设体素比例的乘积。
[0190]
在一些可选的实施方式中，处理单元703，被进一步配置成：
[0191]
获取扫描数据中每个体素对应的bold信号序列；
[0192]
基于每个体素对应的bold信号序列，确定扫描数据中每两个体素之间的连接，形成扫描数据对应的脑连接矩阵；
[0193]
基于标准脑的脑区模板及脑连接矩阵，形成至少两个roi。
[0194]
在一些可选的实施方式中，处理单元703，被进一步配置成：
[0195]
获取扫描数据中每个体素对应的bold信号序列；
[0196]
基于每个体素对应的bold信号序列，确定扫描数据中每两个体素之间的连接；
[0197]
将扫描数据对应受试者的脑部解剖结构分为多个大区，将多个大区剖分为多个脑区，其中，多个脑区中每个脑区包括至少一个体素；
[0198]
将多个脑区中各脑区之间的体素连接度高于预设脑区体素连接度阈值的脑区融合，形成至少两个roi。
[0199]
在一些可选的实施方式中，功能磁共振成像，包括：任务态功能磁共振成像，和/或，静息态功能磁共振成像。
[0200]
需要说明的是，本公开提供的靶点确定装置中各单元的实现细节和技术效果可以参考本公开中其它实施例的，在此不再赘述。
[0201]
下面参考图8，其示出了适于用来实现本公开的终端设备或服务器的计算机系统800的结构示意图。图8示出的终端设备或服务器仅仅是一个示例，不应对本公开的功能和使用范围带来任何限制。
[0202]
如图8所示，计算机系统800包括中央处理单元(cpu，central processing unit)801，其可以根据存储在只读存储器(rom，read only memory)802中的程序或者从存储部分808加载到随机访问存储器(ram，random access memory)803中的程序而执行各种适当的动作和处理。在ram 803中，还存储有系统800操作所需的各种程序和数据。cpu 801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o，input/output)接口805也连接至总线804。
[0203]
以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt，cathode ray tube)、液晶显示器(lcd，liquid crystal display)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan(局域网，local area network)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。
[0204]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本公开的方法中限定的上述功能。需要说明的是，本公开的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0205]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++、python，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0206]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0207]
描述于本公开中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括扫描数据获取单元、设置单元、处理单元和靶点确定单元。其中，这些单元的名称在某种情况下
并不构成对该单元本身的限定。
[0208]
作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取受试者的扫描数据，其中，扫描数据包括对受试者的脑部进行磁共振成像得到的数据；扫描数据包括预设数目个体素中每个体素对应的bold信号序列；根据扫描数据确定受试者的至少两个感兴趣区域roi；根据受试者的疾病类型确定疾病类型的roi对应关系；根据roi对应关系在至少两个roi中确定受试者的至少一个疾病roi和至少一个靶点roi；确定靶点roi中的体素与至少一个疾病roi中的每个疾病roi的连接度；将靶点roi中连接度符合预设靶点连接度条件的体素对应的位置确定为靶点。
[0209]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0210]
本公开实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
[0211]
以上，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。