一种采集大脑功能连接自发波动变异性方法与流程

本发明属于静息态功能磁共振技术的动态功能连接技术领域，特别涉及一种采集大脑功能连接自发波动变异性方法。

背景技术：

人脑是一个极其复杂且高效的网络系统，脑区间的协调工作将空间分离的脑区联系起来，使其构成一个拓扑网络。基于功能连接的研究表明，利用fMRI技术采集到的一些脑区之间的BOLD信号存在高度的时域同步性。研究人员通过采集人脑在特定生理状态下的fMRI数据，计算不同脑区的BOLD信号之间的相关性，构建大尺度的脑区功能连接网络，从而来估计在这种生理状态下不同脑区之间的联系。尽管基于静息态fMRI技术的大脑功能连接的研究引起越来越多研究者的关注，并且在研究大脑认知功能领域取得了很大的进步。但是，静息态功能连接(resting-state function connectivity,RSFC)的估计在很大程度上是受限的，因为以往的研究中，fMRI采集的时间通常是5到30分钟，这隐含的假设在采集时间内大脑的信号之间的关联关系在时间和空间上是恒定的，也就是，扫描时间内脑区之间静息态功能连接为一个固定不变的值。这个假设避免了整个大脑连接极其复杂的分析，为研究带来了很多方便。但是，它太过于简单，这个假设表示的是复杂的时间和空间现象的平均值。因此，为了更深入的了解大脑网络的基本性能，在最近几年有人提出并证明了动态功能连接的概念：静息态下大脑的功能连接随着时间的变化存在一定的波动性。但是怎么描述功能连接的波动性，就成了一个亟待解决的问题。

技术实现要素：

针对现有技术存在不足，本发明提出一种采集大脑功能连接自发波动变异性方法，本发明旨在利用图像数据，进行特征提取，进而用于数据分析，填补了描述动态功能连接变异性的指标缺乏的空白。

为了解决现有技术中存在技术问题，本发明采用如下技术方案：

一种采集大脑功能连接自发波动变异性方法，包括如下步骤：

步骤一，利用磁共振扫描仪记录人脑静息态过程中的血氧水平依赖信号，获得fMRI数据；

步骤二，对fMRI数据进行滤波处理选取低频信号；

步骤三，对低频信号进行相关系数的度量算法获得功能连接值FC；

步骤四，在选取的低频信号以及功能连接值FC的基础上通过滑动窗法构建动态功能连接序列dFC；

步骤五，对动态功能连接序列dFC进行低通滤波处理后按照公式(1)获得动态功能连接序列dFC＝[FC₁,FC₂,...FC_n]的平均值；

步骤六，对步骤五中动态功能连接序列dFC＝[FC₁,FC₂,...FC_n]按照公式(2)获得功能连接变异性模型。

所述步骤二中的低频信号范围为0.01Hz-0.08Hz。

本发明有益效果：

第一，本发明提出了一种定量检测两个脑区之间功能连接动态变化的方法，量化了功能连接自发波动的幅度，反映了功能连接自发波动或时变的能力。

第二，本发明证明了动态功能连接的存在，填补了描述动态功能连接变异性的指标缺乏的空白，为大脑的功能连接的研究提供了方法学的支持。

第三，本发明实现一体功能连接自发波动的幅度，反映功能连接自发波动或时变的能力，进而为后续研究的分析提供基础数据。

附图说明

图1是本发明一种采集大脑功能连接自发波动变异性的方法流程图；

图2是本发明涉及动态功能连接曲线图；

图3是本发明涉及功能连接变异性矩阵图；

图4是本发明涉及青年组与老年组的功能连接变异性结果比较图。

具体实施方式

下面结合附图对本发明做出详细地说明：

本发明设计基于一种定量测量大脑功能连接自发波动的量化指标和技术方法，可应用到基于静息态功能磁共振技术的动态功能连接研究。其技术流程是：用磁共振扫描仪记录人脑静息态过程中的血氧水平依赖(Blood Oxygen Level Dependence,BOLD)信号，提取时间序列，按照一定的方法，构建动态功能连接序列，然后计算其动态功能连接序列的标准差，即功能连接变异性(Functional Connectivity Variability,FCV)，用来描述大脑功能连接的波动性。基于fMRI数据设计定量描述大脑功能连接自发波动指标方法的流程图如图1所示。流程包括，数据采集，数据预处理(滤波处理)，动态功能连接序列的构建以及特征提取。具体内容如下：

如图1所示，本发明为一种采集大脑功能连接自发波动变异性方法，包括如下步骤：

步骤一101，利用磁共振扫描仪记录人脑静息态过程中的血氧水平依赖信号，获得fMRI数据；

步骤二102，对fMRI数据进行滤波处理选取低频信号；所述步骤二中的低频信号范围为0.01Hz-0.08Hz。本发明的数据描述是基于实现的过程中所用到的数据为在磁共振扫描仪中用功能磁共振成像序列检测样品得到的时间序列信号。取样本中任意两个空间体素或者区域平均(记为N₁,N₂)的时间序列，设信号为S₁和S₂，数据长度为L个时间点，采样周期为TR。数据采集之后，需要进行一个滤波处理，即将某个频段的信号去除，功能磁共振成像中数据的预处理排除高频信号，因为只有低频信号(0.01Hz-0.08Hz)能够反映大脑的自发神经活动。

步骤三103，对低频信号进行相关系数的度量算法获得功能连接值FC；本发明中功能连接(function connectivity,FC)的计算分为两个步骤，首先计算不同脑区信号之间的相关系数corr，然后相关系数经过fisherZ变换，得到功能连接值FC；本研究使用的相关系数的度量方法是皮尔森相关分析方法。皮尔森相关系数是Pearson在19世纪80年代提出的，用于度量两个变量X与Y之间的线性相关，其值介于-1与1之间。符号的变化反映变量之间相关性的方向，正数表示正相关，负数表示负相关。其中，1表示X和Y具有很好的线性关系，所有的数据点可以很好地拟合成一条直线，且Y随着X的增加而增加；-1表示X与Y具有很好的线性相关，然而Y随X的增加而减少；0表示不存在相关性。计算公式如下：

fisherZ变换的作用是使功能连接值符合正态分布。corr经过fisherZ变换可以得到功能连接FC。

步骤四104，在选取的低频信号以及功能连接值FC的基础上通过滑动窗法构建动态功能连接序列dFC；本发明中动态功能连接构建采用滑动窗法。首先选取一定宽度的时间窗，设宽度为w，然后按照一定的步长，记为s，依次在采集时间序列上滑动，并计算每一个滑动窗下的时间序列两两之间的相关性，然后经过fisherZ变换，得到该时刻的功能连接值，记为FC_i(i为时刻)，逐步滑动时间窗，即可得到一个随时间变化的功能连接序列[FC₁,FC₂,...FC_n]，其中，n＝L-w+1，这个序列即为动态功能连接(dynamic functional connectivity,dFC)，即dFC＝[FC₁,FC₂,...FC_n]，具体流程如图2中显示的是24TR的时间窗，通过按照一定的步长依次滑动，得到172个FC值，形成一个随时间变化的功能连接序列，即为动态功能连接序列，这个序列能反应出两个节点之间的功能连接随时间动态变化的情况。

步骤五105，对动态功能连接序列dFC进行低通滤波处理后按照公式(1)获得动态功能连接序列dFC＝[FC₁,FC₂,...FC_n]的平均值；

步骤六106，对步骤五中动态功能连接序列dFC＝[FC₁,FC₂,...FC_n]按照公式(2)获得功能连接变异性模型。

本发明构建完成了动态功能连接序列，即需要一个指标来量化功能连接的波动情况进行特征提取。

在特征提取之前，需要对动态功能连接序列进行滤波处理。因为使用滑动窗构建dFC，会加入高频噪声，所以要对dFC序列进行低通滤波。

功能连接变异性(Functional Connection Variability,FCV)表征一定时间内功能连接波动的大小，反映一段时间内，大脑功能连接的总体变化，用动态功能连接序列的标准差(Standard deviation，SD)表示。标准差越大表示功能连接的变异性越大，反之表示功能连接的变异性越小。

对于动态功能连接序列dFC＝[FC₁,FC₂,...FC_n]其平均值为：

此动态功能连接序列的标准差即功能连接变异性为：

在这里进一步通过一个实例来展示本研究的发明。图3展示的是利用10分钟的BOLD信号系列，构建的一个动态功能连接序列；图4是利用根据动态功能连接序列提取的功能连接变异性指标进行进一步分析的结果，图4中两张图分别为青年组和老年组的单样本T检验，方框内的表示各个子网络的连接，蓝色表示FCV显著小于总体均值的连接，红色表示FCV显著大于总体样本的连接。从图中可以看出，与青年被试相似，老年被试全脑T检验的结果也存在一些模块化的特征，然而，与青年被试相比，这种模块化特征较不明显，更多的连接的FCV趋于总体均值，这也意味着老年被试的网络内的功能连接波动性相对增强，而网络间功能连接波动性相对减弱。这可能与老化脑的信息传递、交流有关。

FCV作为一个量化功能连接波动性的指标，在进行研究上有重要的作用。

本发明提出的动态功能连接变异性这个指标，量化了功能连接的波动性，反映了功能连接自发波动或时间的能力。这个方法的提出可以填补在量化动能连接波动性方面的空白，同时，能为进一步研究动态功能连接的波动性提供支持。上述实例仅用于说明本发明，其中各部件的结构、材料、连接方式都是可以有所变化的，凡是在本发明技术基础上进行的等同变换和改进，均不应该排除在本发明的保护范围之外。