基于脑磁图和弥散张量成像的多模态脑功能重建评估方法
【技术领域】
[0001] 本发明涉及一种基于脑磁图和弥散张量成像数据的多模态信号分析技术，属于图 像处理和信号处理等领域。
【背景技术】
[0002] 目前，抑郁症患者经过一段时间的治疗后，功能恢复状况的临床诊断是临床医生 通过症状的缓解，结合汉密尔顿抑郁量表（HAMD)、大体评定量表（GAS)等量表，通过医师评 估及患者自评得到的。这种方式，具有很强的主观性，对临床医生的问询经验有极高的要 求。另外，症状的外显往往会迟于脑环路的改变。这些因素将导致难以客观及时地反映患 者的真实恢复程度。
[0003] 抑郁症患者经过急性期治疗，功能活动水平可以得到一定程度的恢复，但是可能 会出现反复发作情况，即功能并没有得到真正的恢复。既往对抑郁症患者功能恢复的研究， 多是单独从功能角度来研究，然而大脑的结构与功能是紧密联系的，功能是建立在大脑结 构的基础上，结构与功能之间关系的异常可能提示着抑郁症功能异常的物质基础。因此， 从脑结构和功能影像学中提取多模态量化指标，可以为治疗后大脑功能活动水平的恢复程 度，提供更为有效和及时的评估，从而保证足程足量的有效治疗，同时避免过度治疗。
【发明内容】
[0004] 发明目的：针对现有技术中存在的问题，本发明提出一种基于脑磁图和弥散张量 成像的多模态脑功能重建评估方法，从功能、结构两方面融合的角度及时有效评估抑郁症 患者功能重建情况，避免主观因素干扰。
[0005] 技术方案：为了解决上述问题，本发明提出一种基于脑磁图和弥散张量成像的多 模态脑功能重建评估方法，首先依靠脑磁图数据获得动态脑功能连接信息，依靠弥散张量 成像数据获得脑结构连接信息；然后对感兴趣脑区间的脑功能连接时间序列进行分析，获 取脑区间功能连接发生快速上升的阶段，在该阶段意味着为了进行有效信息交互，功能连 接需要摆脱结构的约束来更加柔性地处理当前任务；最后计算功能连接发生快速上升的阶 段的功能结构藕合，以此标记脑功能为了有效处理任务的柔性能力，同时也反映患者通过 治疗获得的功能重建程度，具体包括如下步骤：
[0006] 1)在被试中选择感兴趣脑区，提取对应脑区的脑磁图信号，并对提取出的每个脑 区的时间序列信号进行滑动时间窗的分窗处理，计算对应时间窗内每两个脑区间的功能连 接值，进而得到被试存在的功能连接矩阵，具体计算方法为：
[0007] 在每个时间窗内，对每个脑区内的信号进行平均化，利用皮尔逊相关 计算每两个脑区之间的时间相关性，作为该时间窗内这两个脑区间的功能连接 值，进而得到这两个脑区间的功能连接矩阵。每个被试存在一个MXMXN的功 能连接矩阵，其中Μ是脑区数目，N是滑动时间窗的个数，每个时间窗的窗长为： 巧+(j-l)Xt4，A+j=1工…,L(i2 -h)"4 +1」ti,t2,t3,t4分别为时间序列 的起始时间、结束时间、时间窗长度和滑动步长。
[0008] 2)按照步骤1)中选定的感兴趣脑区，提取弥散张量成像数据，计算每两个脑区间 的结构连接值，进而得到被试存在的结构连接矩阵，具体计算方法为：
[0009] 对于任意两个脑区Roi(u)和Roi(v)，可视为节点u和V，其皮层面积分别为S(u) 和S(v)，在结构网络中连接节点u和v的边e(u,v)对应于连接Roi(u)和Roi(v)的神经纤 维，边的权重为：
[0011] 其中，E(f)为连接节点u和v的所有纤维，1(f)为这些纤维的长度，w(e)反映的是 两区域的连接密度，以此作为结构连接值，因此每个被试存在一个MXM的结构连接矩阵。 为了与步骤1)中建立的功能连接矩阵相匹配，将结构连接矩阵重复N次，得到结构连接矩 阵ΜXΜXN，N是滑动时间窗的个数，每个窗口下的结构连接矩阵相同。
[0012] 3)分别计算被试在每个时间窗内的功能-结构耦合值，进而得到被试的功能-结 构耦合值集合，具体计算方法为：
[0013] 将被试对应的功能连接矩阵和结构连接矩阵转换为两列向量，计算两列向量的 皮尔逊相关值，即为该时间窗内的功能-结构耦合值，最终得到功能-结构耦合值集合 {fs丄i= 1，2,…，Ν，Ν是滑动时间窗的个数。
[0014] 4)进行功能状态转变时间段的计算，得到最终功能连接上升速度最快的时间段， 具体求解步骤为：
[0015] 4. 1)提取步骤1)中任意两个脑区间的功能连接序列
将功能连接序列分为[1，γ]和[γ+?，Ν]两部分，分别计算这两部分及整体的贝叶斯 信息量，BIC=-ln(L)+ln(n)Xk，其中L是最大似然估计，η是数据点个数，k是参数个 数，Μ是脑区的个数，N是滑动时间窗的个数；重复上述步骤从γ= 2到γ=N-1，求解 -S/C< 〇!.对应的γ，，即为可能状态转变时间点，此时功能连接序列被 分为[1，γ' ]和[γ' +1，Ν]两部分，其中BIC1y，BIC2y，BIC分别为[1，γ]，[γ+1，Ν]和 [1，Ν]的贝叶斯信息量；分别对[1，γ' ]和[γ' +1，Ν]重复上述步骤，直到无法继续分割 为止，得到可能状态转变点集合{γ'k}，k=1，2,…，Si，Si是状态转变点个数；
[0016] 4. 2)将功能连接序列[1，γ'J分为[1，γ'kJ和[γ'k彳1，γ'J两部分，若这 两部分的贝叶斯信息量之和小于功能连接序列[1，γ'J的贝叶斯信息量，则保留点γ'ki， k= 2,…，Si，否则舍去；
[0017] 4. 3)重复步骤4. 2)，直到不再有时间点被去除，得到新的可能时间状态转变点集 合{Y'lJ，k= 1，2,…，s2,s2是可能状态转变点个数；
[0018] 4. 4)将[1，N]时间点上的功能连接序列平均分为S个分块，每个分块即为一个功 能连接变化分块，S是L的正约数。利用bootstrap检验得到具有显著性的状态转变点集 合{γ'J，k= 1，2,…，s3,s3是确定的显著性状态转变点个数；
[0019] 4. 5)分别计算每一个包含显著性状态转变点γ'，的功能连接序列分块的一阶导 数之和，提取一阶导数之和最大的分块Τ_，表示功能连接上升速度最快的时间段；
[0020] 4.6)对于所有脑区对之间的功能连接序列，重复步骤4.1)到4. 5)，得到集合
|Μ为脑区个数，表示功能连接上升速度最快的时间段集合，取 集合iTjniax}的众数为最终功能连接上升速度最快的时间段。
[0021] 5)根据步骤3)中得到的功能-结构耦合值，提取步骤4)中得到的时间段对应时 间的功能-结构耦合值，该值便是我们需要的评价该个体的功能重建的多模态量化指标。
[0022] 有益效果：本发明采用如上技术方案，具有以下优点：
[0023] 1)纯数据驱动，完全由抑郁症患者脑区信号研究来判断患者的功能恢复程度，此 过程没有人工判断参与，避免了主观因素带来的误差。
[0024] 2)结合了大脑结构与功能两方面的信息，从更深层次判断判断患者的功能恢复程 度，避免了单纯从功能角度判断的局限性。
[0025] 3)为经过急性期治疗，功能活动水平得到恢复的患者提供了疗效判断量化手段， 为临床优化治疗提供辅助信息。
【附图说明】
[0026] 图1为本发明的方法流程示意图；
[0027] 图2为本发明实施例在功能连接上升速度最快时间段的功能连接和功能-结构 耦合值的组间比较图，其中图2-a为治疗前患者组、治疗后患者组及健康对照组在功能连 接上升速度最快时间段的功能连接值比较图