一种基于互样本熵的肥胖病人功能影像分析方法
【专利摘要】本发明公开了一种基于互样本熵的肥胖病人功能影像分析方法，其特征在于，包括以下步骤：采集大脑的静息态功能磁共振数据；挑选出感兴趣区域；提取每个感兴趣区域中体素的时间序列，对每个体素的时间序列进行上采样，然后计算任意两个感兴趣区域的互样本熵值；将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两个感兴趣区域的互样本熵值进行比较，确定肥胖发生或加重的原因。本发明的有益之处在于：以静息态的成像方式从肥胖病人生理基线水平入手，能够准确反映病人大脑生理活动的改变；把构建EEG信号脑网络的方法应用到了fMRI中，并利用上采样的方法克服了fMRI时间分辨率不高的问题；互样本熵克服了互近似熵计入自身匹配的问题。
【专利说明】一种基于互样本熵的肥胖病人功能影像分析方法
【技术领域】
[0001] 本发明涉及一种影像分析方法，具体涉及一种基于互样本熵的肥胖病人功能影像 分析方法，属于医学图像处理与分析【技术领域】。
【背景技术】
[0002] 目前，脑网络的研究已经成为了脑科学研究领域的一个热点。大脑网络连接可分 为结构性脑网络、功能性脑网络和因效性脑网络。结构性脑网络主要基于MRI和DTI等能 反映脑的生理结构的影像手段来研究，而功能性脑网络和因效性脑网络主要基于EEG、MEG 和fMRI等能反映大脑功能成像的手段进行研究。其中，功能性脑网络是一种无向网络，而 因效性脑网络是一种特殊的功能性脑网络，其功能性连接是有向的。
[0003] 基于EEG的脑网络的功能性研究已经开展了很多，也取得了许多成果。如对癫痫 病人的EEG信号研究发现：对应于癫痫发作前-发作中-发作后这3个阶段，病人的功能性 脑网络一次表现出趋向于随机网路-趋向于规则网络-趋向于随机网络的特性，也即功能 性脑网络的拓扑特性表现出随患病状态而变化的动力学行为。在AD (Alzheimer Disease， 阿尔茨海默病）病理研究中，Stam等人基于EEG信号构建网路发现AD病人在波段构建的 脑网络最短路径显著大于正常对照。在精神分裂症的研究中发现精神分裂症病人的节点连 接度减小，脑网络聚类系数也减小，最短路径增加，并且这些脑网络参数的变异与精神分裂 症病人的病程长短密切相关。在研究过程中，构建功能性脑网络的许多不同的方法也得到 了利用，例如相位同步、互相关、互信息熵、互近似熵等。
[0004] 与此同时，基于fMRI的功能性脑网络也有很多成果。例如对AD的研究发现病人 脑网络的全局和局部（两个海马区）聚类水平都显著下降，这意味着病人大脑的功能性连 接出现全局性紊乱。另一项报道指出精神分裂症病人相对于正常对照者呈现出增大的功能 性连接。
[0005] 目前，世界各国都面临肥胖这一全球性难题，它被世界卫生组织（WHO)定义为疾 病，是继心血管病和癌症之后对人类健康最具威胁的第三大因素，全球肥胖人数已超过4 亿（约占总人口的6%)，超重者人数约16亿（约占总人口的24%)，WH0预测：到2015年 将有23亿成人超重和7亿的肥胖者，而2008年底，我国肥胖人群已突破9000万，超重人数 超过2亿；预计未来十年我国肥胖人口将远远超过2亿，超重人口将超过6. 5亿。肥胖带来 的疾病危害主要有：II型糖尿病、冠心病、高血压、脂肪肝、中风、消化道疾病、骨关节炎和癌 症（结肠癌、直肠癌、乳腺癌、子宫癌等），此外，肥胖严重影响人们的生活质量，使社会接受 性降低，收入减少，心理负担加重，并增加公共健康系统的负担。
[0006] 通过上面的介绍可以发现，很多在EEG使用的方法在fMRI中还没有得到应用。 同时，功能性脑网络的研究主要是针对脑疾病开展的，而像肥胖这样的非脑疾病的应用在 fMRI中还没有展开。
【发明内容】
[0007] 本发明的目的在于提供一种基于互样本熵的肥胖病人功能影像分析方法，旨在 解决现在尚未了解的肥胖病人脑网络变化的问题，该方法可用于核团间相互连接作用关系 的描述，从而为肥胖的生理机制研究提供影像学证据。
[0008] 为了实现上述目标，本发明采用如下的技术方案：
[0009] -种基于互样本熵的肥胖病人功能影像分析方法，其特征在于，包括以下步骤： [0010] 步骤一：用磁共振仪器以静息态扫描模式采集大脑的功能磁共振数据；
[0011] 步骤二：得到肥胖病人与正常被试者在静息态下大脑功能的差异区，挑选出与饮 食肥胖相关的大脑核团，将前述大脑核团定义为感兴趣区域；
[0012] 步骤三：提取每个感兴趣区域中体素的时间序列，并对每个感兴趣区域的体素的 时间序列进行上采样，然后利用上采样后的时间序列计算任意两个感兴趣区域的互样本熵 值；
[0013] 步骤四：将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两 个感兴趣区域的互样本熵值进行比较，当二者的互样本熵值不相等时，则确定肥胖病人的 该两个感兴趣区域代表的两个回路之间的相互作用关系发生了改变，这两个回路之间的相 互作用关系的改变就是肥胖发生或加重的原因。
[0014] 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，步骤三的具体 过程为：
[0015] (1)从所有感兴趣区域中任意选出两个区域组成一对，分别记为感兴趣区域X、 感兴趣区域Y，假设感兴趣区域X由i个体素组成，则每个体素分别记为体素 Xl、体素 χ2、体 素 χ3、......、体素 Xi，假设感兴趣区域Y由j个体素组成，则每个体素分别记为体素 yi、体素 y2、体素又3、......、体素 yj;
[0016] (2)分别提取体素 Xl和体素 y的时间序列，然后对提取的时间序列进行上采样， 上采样后的时间序列分别记为时间序列Xi (t)、时间序列yi (t)、时间序列y2 (t)、时间序列 y3(t)、......、时间序列y」(t); _7] (3)计算体素 Xl的上采样后的时间序列Xl (t)与感兴趣区域Y之间的互样本熵值 Q1Y:
[0018] ①分别计算时间序列Xl⑴与时间序列yi⑴、时间序列y 2⑴、时间序列 y3(t)、……、时间序列y」(t)之间的互样本熵值，分别计作互样本熵值Qn、互样本熵值Q 12、 互样本熵值q13、......、互样本熵值％ j ;
[0019] ②将互样本熵值Qn、互样本熵值Q12、互样本熵值Q 13、......、互样本熵值Qu_求和， 然后求出平均值，该平均值即为时间序列Xl (t)与感兴趣区域Y之间的互样本熵值，记为互 样本熵值Q1Y;
[0020] (4)用同样的方法计算感兴趣区域X中其他体素的上采样后的时间序列与感兴趣 区域Y之间的互样本熵值，该互样本熵值分别记为互样本熵值Q 2Y、互样本熵值Q3Y、……、互 样本熵值QiY;
[0021] (5)计算感兴趣区域X与感兴趣区域Y之间的互样本熵值：
[0022] 将互样本熵值Q2Y、互样本熵值Q3Y、......、互样本熵值Q iY求和，然后求出平均值， 该平均值即为感兴趣区域X与感兴趣区域Y之间的互样本熵值，记为互样本熵值Qxy。
[0023] 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，在步骤一中，还 包括对前述数据进行预处理分析的过程，前述预处理分析包括：
[0024] (1)对采集到的大脑功能磁共振数据进行时间矫正；
[0025] (2)对时间矫正后的数据进行头动矫正；
[0026] (3)对头动矫正后的数据使用EPI模板进行空间标准化；
[0027] (4)对空间标准化后的数据进行空间平滑。
[0028] 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，对头动矫正后 的数据进行空间标准化的过程包括以下步骤：
[0029] ①将头动矫正后的数据采用12个参数的仿射变换配准到MNI标准模板中；
[0030] ②将配准得到的图像重切为3mmX 3mmX 3mm的体素，并将丽I坐标变换到 Talairach坐标系中。
[0031] 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，在步骤二中，获 得肥胖病人与正常被试者在静息态下大脑功能的差异区的过程为：
[0032] (1)对获得的数据进行低频幅度慢波震荡分析处理；
[0033] (2)计算得到低频幅度慢波震荡数值；
[0034] (3)对得到的低频幅度慢波震荡数值进行基于体素的双样本t检验，从而得到肥 胖病人与正常被试者在静息态下大脑功能的差异区。
[0035] 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，对预处理后的 数据进行低频幅度慢波震荡分析处理的过程包括以下步骤：
[0036] ①对预处理后的数据进行去线性漂移处理；
[0037] ②对去线性漂移后的数据进行频率范围为0. OlHz-O. 08Hz的带通滤波。
[0038] 本发明的有益之处在于：
[0039] 1、以静息态的成像方式，从肥胖病人生理基线水平入手，能够准确反映病人身体 内在大脑生理活动的改变；
[0040] 2、本方法把构建EEG信号脑网络的方法应用到了功能磁共振成像（fMRI)中，并利 用上采样的方法克服了 fMRI相对于EEG信号时间分辨率不够高的问题，同时利用了 fMRI 空间分辨率高的优点；
[0041] 3、借鉴样本熵和互近似熵的方法设计出了互样本熵，并用其构建网络，从而克服 了互近似熵计入自身匹配的问题。
【专利附图】
【附图说明】
[0042] 图1是本发明基于互样本熵的肥胖病人功能影像分析方法的主要流程图；
[0043] 图2是本发明的方法中ALFF分析和互样本熵分析的子流程图。
【具体实施方式】
[0044] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和具体实施 例对本发明作具体的介绍。
[0045] 参照图1，本发明的基于互样本熵的肥胖病人功能影像分析方法包括以下步骤：
[0046] 步骤一：采集数据
[0047] 用磁共振仪器以静息态扫描模式采集肥胖病人和正常被试者大脑的功能磁共振 数据。
[0048] 为了使结果更加精准，对采集到的数据进行预处理分析，该预处理分析包括：
[0049] 1、对采集到的大脑功能磁共振数据进行时间矫正
[0050] 由于数据采集的时间点差异，所以需要对采集到的大脑功能磁共振数据进行时间 矫正，通过时间矫正可以减少该差异。
[0051] 时间矫正就是矫正1个volume中层与层之间的采集时间的差异，从而有效保证各 层都是从相同的时间得到的。
[0052] 2、对时间矫正后的数据进行头动矫正
[0053] 由于磁共振成像实验持续时间比较长，被试者的呼吸、血流、脉动等生理因素在所 难免的会造成头部运动，所以需要对经时间矫正过的数据进行头动矫正。
[0054] 头动矫正就是将一个序列的每一帧图像都和这个序列的第一帧图像进行配准，配 准到同一坐标系下，以矫正头动，然后再对头动矫正后的数据进行人工检查，如果平移超过 1_、旋转超过Γ，那么就排除该经时间矫正过的数据，不予分析。
[0055] 3、对头动矫正后的数据进行空间标准化
[0056] 由于实验中存在多个被试者，而被试者间的大脑形状又存在一定的差异，为了后 续的统计分析，须进行大脑形状的归一化，将被试者的大脑配准归一化到标准的大脑模板 上，即须对头动矫正后的数据进行空间标准化处理。
[0057] 对头动矫正后的数据进行空间标准化处理主要过程包括以下步骤：
[0058] (1)、将头动矫正后的数据采用12个参数的仿射变换配准到丽I (Montreal Neurological Institute,蒙特利尔神经学研究所）标准模板中。
[0059] (2)、将配准后的大脑图像重切为3mmX3mmX3mm的体素，并将丽I坐标变换到 Talairach坐标系中。
[0060] 4、对空间标准化后的数据进行空间平滑
[0061] 为了达到降低噪声、提高信噪比及消除不同被试脑结构之间的细微差别的目的， 空间标准化采用6毫米半高全宽（FWHM，Full Width at Half Maximum)的高斯核函数对空 间标准化后的数据进行平滑。
[0062] 步骤二：挑选出感兴趣区域
[0063] 参照图2,挑选感兴趣区域主要包括以下步骤：
[0064] 1、对获得的数据进行低频幅度慢波震荡分析
[0065] 基于 MATLAB (Matrix Lab，矩阵实验室）平台的 REST (Resting-State Statistic Toolkit，静息态分析软件包）软件，对获得的数据进行低频幅度慢波震荡分析处理，简称 ALFF(Amplitude of low-frequency fluctuation)分析处理。
[0066] ALFF分析处理的过程主要包括以下步骤：
[0067] (1)、对获得的数据进行去线性漂移处理；
[0068] (2)、对去线性漂移后的数据进行频率范围为0. OlHz-0. 08Hz的带通滤波，用以去 除低频漂移和高频噪声的影响。
[0069] 2、计算得到低频幅度慢波震荡数值，即ALFF值
[0070] 每一个体素的ALFF值的计算过程如下：
[0071] (1)将滤波结果进行快速傅立叶变化后得到功率谱；
[0072] (2)将功率谱开方；
[0073] (3)计算0. 01-0. 08Hz内的功率谱的平均值，该平均值即为ALFF值；
[0074] (4)将ALFF值除以全脑所有体素的平均ALFF值即得到标准化的ALFF值（mALFF)。
[0075] 在2004年，电生理学研究显示低频振荡的产生可能是由于自发的神经元活动，这 种自发的神经元活动是具有生理意义的，体现为脑区通过与之有连接的脑区间的信息交互 产生自身节律性活动模式，所以有理由认为ALFF值可以作为一个反应大脑活动的特征。
[0076] 3、挑选感兴趣区域
[0077] 对得到的低频幅度慢波震荡数值，在SPM5 (Statistic Parameter Mapping5统计 参数映射）软件平台上，进行基于体素的双样本t检验，比较肥胖病人与正常被试者ALFF 值的差异，从而得到肥胖病人与正常被试者在静息态下大脑功能的差异区。
[0078] 从具有显著差异的区域中，挑选出与饮食肥胖相关的大脑核团，将该大脑核团定 义为感兴趣区域，该感兴趣区域用于后续肥胖病人和正常被试者的互样本熵分析。
[0079] 步骤三：计算互样本熵
[0080] 提取每个感兴趣区域中体素的时间序列，并对每个感兴趣区域的体素的时间序列 进行上采样，然后利用上采样后的时间序列计算任意两个感兴趣区域的互样本熵值。具体 过程如下：
[0081] 1、从所有感兴趣区域中任意选出两个区域组成一对，分别记为感兴趣区域X、感兴 趣区域Y，将组成感兴趣区域X的体素记为体素 X，假设感兴趣区域X由i个体素组成，则每 个体素分别记为体素 Xi、体素 χ2、体素 χ3、......、体素 Xi ;同样，将组成感兴趣区域Y的体素 记为体素 y，假设感兴趣区域Y由j个体素组成，则每个体素分别记为体素 yi、体素 y2、体素 y2>、......、?本素 y"j。
[0082] 2、分别提取体素 Xi和体素 y (包括体素 yi、体素 y2、体素 y3、......、体素 y」）的时间 序列，然后对提取的时间序列进行上采样，上采样后的时间序列分别记为时间序列Xl(t)、 时间序列yi (t)、时间序列y2 (t)、时间序列y3 (t)、……、时间序列y」(t)。
[0083] 3、两个感兴趣区域之间的互样本熵值能够反映两个感兴趣区域间时间序列的相 似程度、表征两个感兴趣区域的连接紧密度，所以利用一阶自回归模型，从时域计算感兴趣 区域X和感兴趣区域Y之间的互样本熵值Q XY，从而表征两个感兴趣区域的连接紧密度，该 过程具体如下：
[0084] (1)分别计算体素 Xi的上采样后的时间序列Xi (t)与感兴趣区域Y中每个体素的 上采样后的时间序列之间的互样本熵值：
[0085] ①计算感兴趣区域X中的时间序列xjt)与感兴趣区域Y中的时间序列yi(t)之 间的互样本熵值，该互样本熵值记为Q n ;
[0086] ②计算感兴趣区域X中的时间序列xjt)与感兴趣区域Y中的时间序列y2(t)之 间的互样本熵值，该互样本熵值记为Q 12 ;
[0087] ③计算感兴趣区域X中的时间序列xjt)与感兴趣区域Y中的时间序列y3(t)之 间的互样本熵值，该互样本熵值记为Q 13 ;
[0088] ④以此类推，直至计算出感兴趣区域X中的时间序列Xl(t)与感兴趣区域Y中的 时间序列y」(t)之间的互样本熵值，该互样本熵值记为Q ljt)
[0089] (2)计算体素 Xi的上采样后的时间序列Xi (t)与感兴趣区域Y之间的互样本熵值 Q1Y:
[0090] 将互样本熵值Qn、互样本熵值Q12、互样本熵值Q 13、......、互样本熵值％求和，然 后求出平均值，该平均值即为时间序列Xl (t)与感兴趣区域Y之间的互样本熵值，记为互样 本熵值Q1Y。
[0091] (3)用同样的方法计算感兴趣区域X中其他体素（包括体素 χ2、体素 χ3、体素 χ4、……、体素 Xi)的上采样后的时间序列（包括时间序列x2(t)、时间序列巧(〇、……、 时间序列Xi (t))与感兴趣区域Y之间的互样本熵值，分别记为互样本熵值Q2Y、互样本熵值 Q3Y、......、互样本熵值QiY。
[0092] (4)计算感兴趣区域X与感兴趣区域Y之间的互样本熵值：
[0093] 将互样本熵值Q2Y、互样本熵值Q3Y、......、互样本熵值Q iY求和，然后求出平均值，该 平均值即为感兴趣区域X与感兴趣区域Y之间的互样本熵值，记为互样本熵值Qxy。
[0094] 按照上述方法，遍历所有感兴趣区域，获得任意两个感兴趣区域的互样本熵值。 [0095] 步骤四：基于互样本熵确定肥胖发生或加重的原因
[0096] 将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两个感兴 趣区域的互样本熵值进行比较，当二者的互样本熵值不相等时，则确定肥胖病人的该两个 感兴趣区域代表的两个回路之间的相互作用关系发生了改变，这两个回路之间的相互作用 关系的改变就是肥胖发生或加重的原因。
[0097] 两个感兴趣区域之间的互样本熵值可以反映两个感兴趣区域间时间序列的相似 程度，从而表征两者的连接紧密度，因此，可以用两个感兴趣区域之间的互样本熵值来研究 肥胖病人的脑网络变化。具体见下面的两个例子。
[0098] 例一：肥胖病人 OFC (orbitofrontal cortex 眶额叶皮质）和 VTA (ventral tegmental area腹侧被盖区）这两个区域之间的互样本熵值Q肥胖的大小为0· 3527, 而正常被试者的0FC和VTA这两个区域之间的互样本熵值Qfg的大小为0.2948， 互样本熵值Q肥胖比互样本熵值Q正常在P值小于〇· 05的情况下高出23. 18 %
【权利要求】
1. 一种基于互样本熵的肥胖病人功能影像分析方法，其特征在于，包括以下步骤： 步骤一：用磁共振仪器以静息态扫描模式采集大脑的功能磁共振数据； 步骤二：得到肥胖病人与正常被试者在静息态下大脑功能的差异区，挑选出与饮食肥 胖相关的大脑核团，将所述大脑核团定义为感兴趣区域； 步骤三：提取每个感兴趣区域中体素的时间序列，并对每个感兴趣区域的体素的时间 序列进行上采样，然后利用上采样后的时间序列计算任意两个感兴趣区域的互样本熵值； 步骤四：将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两个感 兴趣区域的互样本熵值进行比较，当二者的互样本熵值不相等时，则确定肥胖病人的该两 个感兴趣区域代表的两个回路之间的相互作用关系发生了改变，这两个回路之间的相互作 用关系的改变就是肥胖发生或加重的原因。
2. 根据权利要求1所述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于， 步骤三的具体过程为： (1) 从所有感兴趣区域中任意选出两个区域组成一对，分别记为感兴趣区域X、感兴 趣区域Y，假设感兴趣区域X由i个体素组成，则每个体素分别记为体素 Xi、体素 χ2、体素 χ3、......、体素 Xi，假设感兴趣区域Υ由j个体素组成，则每个体素分别记为体素 yi、体素 y2、 体素 y3、......、体素 yj; (2) 分别提取体素 Xl和体素 y的时间序列，然后对提取的时间序列进行上采样，上 采样后的时间序列分别记为时间序列xjt)、时间序列yi(t)、时间序列y2(t)、时间序列 y3(t)、......、时间序列y」(t); (3) 计算体素 Xl的上采样后的时间序列Xl (t)与感兴趣区域Y之间的互样本熵值Q1Y: ① 分别计算时间序列xjt)与时间序列yi(t)、时间序列y2(t)、时间序列y3(t)、……、 时间序列y」(t)之间的互样本熵值，分别计作互样本熵值Qn、互样本熵值Q12、互样本熵值 Q13、......、互样本熵值Qlj; ② 将互样本熵值Qn、互样本熵值Q12、互样本熵值Q13、......、互样本熵值％求和，然后 求出平均值，该平均值即为时间序列Xl⑴与感兴趣区域Y之间的互样本熵值，记为互样本 熵值Q1Y; (4) 用同样的方法计算感兴趣区域X中其他体素的上采样后的时间序列与感兴趣区域 Y之间的互样本熵值,该互样本熵值分别记为互样本熵值Q2Y、互样本熵值Q3Y、......、互样本 熵值QiY; (5) 计算感兴趣区域X与感兴趣区域Y之间的互样本熵值： 将互样本熵值Q2Y、互样本熵值Q3Y、......、互样本熵值QiY求和，然后求出平均值，该平均 值即为感兴趣区域X与感兴趣区域Y之间的互样本熵值，记为互样本熵值Qxy。
3. 根据权利要求1所述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于， 在步骤一中，还包括对所述数据进行预处理分析的过程，所述预处理分析包括： (1) 对采集到的大脑功能磁共振数据进行时间矫正； (2) 对时间矫正后的数据进行头动矫正； (3) 对头动矫正后的数据使用EPI模板进行空间标准化； (4) 对空间标准化后的数据进行空间平滑。
4. 根据权利要求3所述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于， 对头动矫正后的数据进行空间标准化的过程包括以下步骤： ① 将头动矫正后的数据采用12个参数的仿射变换配准到MNI标准模板中； ② 将配准得到的图像重切为3mmX3mmX3mm的体素，并将丽I坐标变换到Talairach 坐标系中。
5. 根据权利要求1或3所述的基于互样本熵的肥胖病人功能影像分析方法，其特征在 于，在步骤二中，获得肥胖病人与正常被试者在静息态下大脑功能的差异区的过程为： (1) 对获得的数据进行低频幅度慢波震荡分析处理； (2) 计算得到低频幅度慢波震荡数值； (3) 对得到的低频幅度慢波震荡数值进行基于体素的双样本t检验，从而得到肥胖病 人与正常被试者在静息态下大脑功能的差异区。
6. 根据权利要求5所述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于， 对预处理后的数据进行低频幅度慢波震荡分析处理的过程包括以下步骤： ① 对预处理后的数据进行去线性漂移处理； ② 对去线性漂移后的数据进行频率范围为0. OlHz-O. 08Hz的带通滤波。
【文档编号】G06T11/00GK104207775SQ201410387786
【公开日】2014年12月17日 申请日期:2014年8月7日 优先权日:2014年8月7日
【发明者】张毅, 姚建亮, 刘菊, 张官胜, 王婧, 罗回春, 蔡伟伟, 朱强, 刘道民, 田捷, 刘一军 申请人:西安电子科技大学