专利名称：基于局部平滑回归的脑功能区定位方法
技术领域：
本发明属于图像处理技术领域，具体涉及一种基于局部平滑回归的脑功能区定位方法。
背景技术：
功能磁共振成像(functionalMagnetic Resonance Imaging, fMRI)以其高时空分辨率，非侵入式等特点在神经疾病诊断治疗和认知神经科学研究等方面得到了广泛应用。fMRI—般指基于血氧水平依赖(blood oxygen level-dependent, BOLD)的磁共振成像，它通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化来反应脑活动。脑是一个复杂的系统，在受到刺激条件或经历病变时脑的磁共振图像会发生相应的变化。利用脑功能区定位，可以找到某些刺激条件特异性的大脑激活区。 随着fMRI技术的发展，高分辨率fMRI得到越来越广泛的应用。高分辨率成像使得研究人员可以看清精细尺度的神经活动情况，一些以前存在争议的问题也有望得到解决。但是，现存的脑功能区定位方法并不适用于高分辨率成像数据的分析。传统的基于单体素的脑功能映射图的方法，如广义线性模型，依赖于空域高斯平滑滤波。空域平滑滤波会掩盖掉高分辨率成像特有的有价值的细节信息。然而，我们又不能简单摒弃空域平滑滤波。因为平滑滤波在增强功能对比度噪声比方面、提高统计假设的有效性方面均有至关重要的作用。假如不做空域平滑滤波，最终生成的脑映射图类似椒盐噪声，而不是通常见到的团状激活图。在设置一定的阈值之后，产生的是一些零散、细小的激活区，难以和噪声区分开来。另夕卜，高分辨率fMRI是以损失功能对比度噪声比为代价获得高分辨率的。所以，简单地摒弃空域平滑滤波是不可取的。为解决这一问题，一种被称为“探照灯”的方法出现了。这种方法直接使用在未经平滑滤波的数据上，可以保存数据的细节信息。“探照灯”方法的基本思想是(I) “探照灯”方法考虑“探照灯”内的所有邻域体素，而传统的基于单体素的广义线性模型一次只考虑单一体素；(2) “探照灯”方法求解一个多变量多元线性回归问题，而传统的基于单体素的广义线性模型求解的是一个单变量多元回归问题；(3) “探照灯”方法采用马氏距离作为衡量不同刺激条件引起大脑活动差异的测度，而传统的基于单体素的广义线性模型采用欧氏距离衡量不同刺激条件引起的大脑活动差异。尽管“探照灯”方法相比较与之前的方法有了很大进步，但是并没有充分利用邻域体素的信息。它使用最小二乘法求解多变量多元线性回归问题，表面上看是同时利用了“探照灯”内的所有体素信息。实际上，这种无规则化的优化问题等价于单体素多元回归问题。也就是说，在没有任何约束的情况下，这种对多个体素进行联合回归的方法等价于对其中每一个体素进行单体素回归。
发明内容
本发明的目的是提供一种基于局部平滑回归的脑功能区定位方法。为实现上述目的，一种基于局部平滑回归的脑功能区定位方法，包括
SI对数据进行预处理并确定设计矩阵X ；S2以体素Vi为球心、r为半径建立球形选区，提取球形选区中所有体素的时间序列；S3根据球形选区内所有体素的时间序列和设计矩阵形成目标函数，并对目标函数进行优化；S4计算体素Vi的条件特异性效应；S5转向下一个体素vi+1，然后重复步骤S2至步骤S4，直到对全脑每一个体素都进行过上述步骤为止；
S6为全脑映射图设定阈值，从而得到和刺激条件相关的脑功能区定位图。基于单体素的回归和基于高斯平滑滤波的广义线性模型都可以视为本发明的特例。本发明还可以被整合进“探照灯”方法所使用的框架，在求得回归系数之后计算不同预测子系数之间的马氏距离。通过调节超参数a和P，可以获得不同程度的平滑效果，从而实现更加灵活、精确的脑功能区定位。
图1是本发明方法的流程图；图2是采用不同方法进行脑功能区定位的结果对比图，(A)是用广义线性模型处理未经平滑滤波的数据的结果；(B)是用广义线性模型处理经过平滑滤波的数据的结果；(C)是“探照灯”方法的结果；(D)是本发明方法的结果；图3是以超参数a和P为自变量、聚合度F为因变量绘制的等高线图，等高线刻度显示的是当前聚合度F的值，(a), (b)和(C)分别来自三个典型被试的数据；图4是单纯使用“探照灯”方法和将本发明方法与“探照灯”方法框架相融合的效果对比图，(a)是在几个经典的感兴趣区域上，两种方法的检测率，(b)是在这几个经典的感兴趣区域上，两种方法探测到的感兴趣区域的体积。
具体实施例方式下面将结合附图详细描述本发明的功能区定位方法，应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。图1示出了本发明方法的流程图。步骤1:数据预处理并确定设计矩阵；为限制Tl效应的影响，我们舍弃每一扫描阶段的前3张扫描图片，然后对留存的扫描图片进行时域校正、空域校正、去除不同扫描阶段的基线差异、进行高通滤波以去除扫描机器漂移和低频伪影。设计矩阵X G Rnxp，其中N为扫描的时间点数，P为回归子的个数。P个回归子分别代表对不同刺激条件下大脑响应的预期、头部运动校正参数、以及不同扫描阶段的基线差异。步骤2 :提取球形选区中所有体素的时间序列；假设连续采集了 N幅功能磁共振成像图片，每幅图片包含M个体素，体素Vi的时间序列为yi G RN，i = 1，…，M0以体素Vi为中心、r为半径建立球形选区。体素Vi的时间序列Yi以及邻域体素V」，j G NN⑴的时间序列y」G Rn被同时用来估计Vi的基重匕G Rp,其中NN⑴表示Vi的近邻。步骤3 :根据设计矩阵和球形选区内所有体素的时间序列形成目标函数，并对目标函数进行优化；
权利要求
1.一种基于局部平滑回归的脑功能区定位方法，包括 Si对数据进行预处理并确定设计矩阵X ； S2以体素Vi为球心、r为半径建立球形选区，提取球形选区中所有体素的时间序列； S3根据球形选区内所有体素的时间序列和设计矩阵形成目标函数，并对目标函数进行优化； S4计算体素Vi的条件特异性效应； S5转向下一个体素vi+1，然后重复步骤S2至步骤S4，直到对全脑每一个体素都进行过上述步骤为止； S6为全脑映射图设定阈值，从而得到和刺激条件相关的脑功能区定位图。
2.如权利要求1所述的方法，其特征在于所述设计矩阵X按下式表示 X e Rnxp，其中N为扫描的时间点数，P为回归子的个数，P个回归子分别代表对不同刺激条件下大脑响应的预期、头部运动校正参数、以及不同扫描阶段的基线差异。
3.如权利要求1所述的方法，其特征在于，利用球形选区中邻域体素的时间序列来辅助估计球心体素vi的回归系数，结合设计矩阵X可以得到目标函数如下
4.如权利要求3所述的方法，其特征在于，调整超参数α和β获得不同程度的平滑效果。当设置β = O，上述目标函数的结果变成 bj = (XtX) ^1XVi 此时，局部平滑回归方法退化为单体素回归方法，回归结果仅和Vi有关，而与邻域体素无关。当设置α = +⑴，β = I时，目标函数的结果变成
5.如权利要求3所述的方法，其特征在于，在求得全脑共M个体素对应的回归系数后，直接比较不同刺激条件下回归系数的差值或计算它们的马氏距离。
6.如权利要求5所述的方法，其特征在于，设定阈值Zthresh,假如Zi> Zthresh得到满足，则Vi是一个超阈值激活体素，其中，Zi表示体素Vi在特异性效应Z值分布图中的对应值。
7.如权利要求6所述的方法，其特征在于，所有相邻的激活体素组成了超阈值激活团。假定全脑共有V个激活体素和C个激活团，则聚合度F可以表示为C °
全文摘要
一种基于局部平滑回归的脑功能区定位方法，对数据进行预处理并确定设计矩阵X；以体素vi为球心、r为半径建立球形选区，提取球形选区中的所有体素的时间序列；根据球形选区内所有体素的时间序列和设计矩阵形成目标函数，并对目标函数进行优化；计算体素vi的条件特异性效应；转向下一个体素vi+1，然后重复步骤S2至步骤S4，直到对全脑每一个体素都进行过上述步骤为止；为全脑映射图设定阈值，从而得到和刺激条件相关的脑功能区定位图。基于单体素的回归和基于高斯平滑滤波的广义线性模型都可以视为本发明的特例。本发明可被整合进“探照灯”方法所使用的框架，在求得回归系数之后计算不同预测子系数之间的马氏距离。通过调节超参数α和β，获得不同程度的平滑效果。
文档编号A61B5/055GK103006215SQ20121054383
公开日2013年4月3日 申请日期2012年12月14日 优先权日2012年12月14日
发明者田捷, 冯璐, 刘建刚 申请人:中国科学院自动化研究所