一种fMRI脑环路的音乐调制脑可塑性效果的预测方法

一种fmri脑环路的音乐调制脑可塑性效果的预测方法
技术领域
1.本发明属于图像处理技术领域，特别涉及一种fmri脑环路的音乐调制脑可塑性效果的预测方法。


背景技术：

2.脑可塑性是人类大脑具有根据外界环境和训练的作用下塑造脑结构和功能的能力。近年来全球老龄化现象加剧，其中脑老化是认知功能下降和行为障碍的最大的已知危险因素。因此，延缓老年人认知功能的下降是老化研究中非常重要的一部分。而从脑可塑性出发来延缓认知功能下降是一个可行性较高的方法。对大脑进行长期的专项干预或训练有利于改善专项的认知功能。
3.近些年来非药物无创干预治疗受到广泛的关注(例如有氧训练，认知训练，音乐干预治疗等)。其中音乐干预治疗已经在急慢性神经、躯体疾病患者的非药物治疗和康复中发挥着重要作用。有研究表明它在认知、情绪和行为障碍方面具有有效性。音乐可以在情感上把个体联系在一起并可以改变我们的生理行为、情绪和主观时间感知。此外，音乐干预具有无创性，无副作用且不要求昂贵的训练，因此可以轻松且成功的实施。研究发现听莫扎特可以暂时增强人类的时空推理能力，而其他形式的音乐在短期内同样有效。同样，有研究已经广泛而持续地检验了听音乐和音乐疗法对痴呆、焦虑和精神分裂症患者的认知效果。一项荟萃分析指出，对老年人进行音乐干预训练可以起到对认知功能有利的效果。这些音乐效应的发现为研究音乐对人类的影响打开了新的视角。而音乐干预对于认知功能的影响可能涉及到共享的音乐认知结构和语言处理功能，但是其对大脑的潜在作用机制仍不清楚。因此，部分研究开始结合功能磁共振和音乐干预来共同探讨音乐干预的作用机制。一些对于精分患者的研究指出，音乐干预后，精分患者中与情绪和感知觉运动相关的脑功能回路得到改善，且岛叶内功能连接增加。同样，在关于纤维肌痛症患者中发现音乐治疗后脑岛和默认模式网络的功能连接增加。而在阿尔兹海默症患者的研究中显示音乐干预后，右侧角回和左侧舌回的激活增加。综上，音乐干预对大脑功能环路是存在一定的改善作用。但研究同样发现音乐干预治疗也具有一定的个体差异，对某些被试音乐干预并不能起到积极的影响，我们猜测这可能是由于某些个体中与音乐处理相关的脑环路已经受到不可逆的损伤。而脑岛很可能是这个脑环路中的关键节点，因为脑岛不仅参与整合认知任务和情绪，也参与躯体感知觉的整合，同时还参与情绪和内部感受的交互影响的处理。因此，我们推测脑岛与高级皮层之间的脑环路连接越好，音乐干预效果越好。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提供一种结合脑功能连接、音乐干预和认知评估来研究干预前以脑岛为核心脑连接环路的强弱对音乐干预效果的影响，为延缓认知老化提供了新的视角的fmri脑环路的音乐调制脑可塑性效果的预测方法。
5.本发明的目的是通过以下技术方案来实现的：一种fmri脑环路的音乐调制脑可塑
性效果的预测方法，包括以下步骤：
6.s1、进行认知筛查，采集认知功能正常的被试者的静息态磁共振以及结构磁共振数据和认知测验评分；
7.s2、对被试者进行为期8周的音乐干预训练；
8.s3、对训练后的被试者进行认知功能评测；
9.s4、计算所有被试者干预前后的行为评分的改变量，根据改变量的第三四分位数将所有被试分为有效干预组和无效干预组：改变量大于及等于第三四分位数视为有效干预组，其他的视为无效干预组，将分类结果作为被试者的标签；
10.s5、训练预测模型，包括以下子步骤：
11.s51、计算干预前种子点之间的功能连接：利用逐步回归的方法找出对认知功能改变量贡献最大的功能连接特征；
12.s52、将步骤s51得到的功能连接特征作为模型训练的分类特征，使用支持向量机的方法训练分类模型，并使用k
‑
则交叉验证法进行交叉验证，得到音乐调制脑可塑性效果预测分类模型。
13.进一步地，所述步骤s4具体实现方法为：使用干预后的认知功能评分减去干预前的认知功能评分，得到被试者干预前后的认知评分改变量；将三个认知功能变化量分别进行归一化然后求和，将求和后的数值从小到大进行排序，找到第三四分位数，将大于及等于第三四分位数对应的被试视为有效干预组，小于第三四分位数的被试视为无效干预组。
14.进一步地，所述步骤s51具体实现方法为：
15.s511、对静息态功能磁共振数据和结构磁共振数据进行预处理，预处理步骤包括：
16.s5111、去除静息态功能磁共振数据中前5个时间点的数据；
17.s5112、对静息态功能磁共振数据进行时间层矫正；
18.s5113、对静息态功能磁共振数据进行头动矫正；
19.s5114、对结构磁共振数据进行原点校正；
20.s5115、利用校正后的结构磁共振数据生成dartel模板，利用dartel模板对矫正后的静息态功能磁共振数据进行标准化，并重采样到3mm；
21.s5116、使用8mm的高斯平滑核对步骤s515得到的重采样数据进行平滑处理；
22.s5117、回归白质、脑脊液、线性趋势；
23.s5118、进行滤波处理，选择频段0.001
‑
0.01hz之间的信息；
24.s512、使用滤波后的数据进行基于种子点之间的功能连接，选取10个种子点，计算种子点间的功能连接，种子点为双侧脑岛：[42,12,
‑
9],[
‑
43,16,
‑
8]；双侧颞顶联合区：[60,
‑
22,23],[
‑
65,
‑
33,28]；前扣带：[6,0,30]；右侧纹状体：[20,11,
‑
9]；左侧杏仁核：[
‑
27,6,
‑
18]；左侧额中回：[
‑
29,53,32]；左侧顶上小叶：[
‑
21,
‑
48,72]；右侧额上回：[18,60,27]；
[0025]
s513、进行逐步回归，包括以下子步骤：
[0026]
s5131、将步骤s52得到的功能连接值分别与认知变化量构建一元回归方程：
[0027]
y＝β
i
x
i
+c
i
；
[0028]
y为认知变化量，x
i
为功能连接值，β
i
是回归系数，c
i
是常数项；
[0029]
s5132、计算一元回归方程中回归系数β
i
的检验统计量找到检验统计量最大
时对应x
i
，然后将得到的x
i
作为第一次回归步骤中的x1；
[0030]
s5133、构建以(x1，x2)，(x1，x3)，
…
,(x1，x
n
)为自变量，认知变化量为因变量的二元回归方程，即y＝β1x1+β
i
x
i
+c
i
，i＝1,2,
…
,n，n表示功能连接值的数量；
[0031]
计算所有方程回归系数的检验统计量如果此时所有的都要小于以x1为自变量的一元回归方程的值，则停止筛选，否则找出最大对应的x
i
，作为第二次回归步骤中的x2；
[0032]
s5134、通过多次迭代回归，找出最优的回归方程；
[0033]
s5135、根据最优的回归方程选出与认知变化量最相关的功能连接特征。
[0034]
本发明的有益效果是：本发明结合了脑功能连接，音乐干预和认知评估来研究干预前以脑岛为核心脑连接环路的强弱对音乐干预效果的影响，为物理干预提供了新的方向。本发明第一次提出音乐干预对认知功能的改善效果的好坏与以脑岛为核心的脑连接环路有关，针对脑疾病开展音乐干预时，干预前评估该环路的功能连接特征有助于预测干预的有效性。
附图说明
[0035]
图1为fmri脑环路的音乐调制脑可塑性效果的预测方法的流程图；
[0036]
图2为支持向量机的分类方法的流程图；
[0037]
图3为本实施例的测试结果图。
具体实施方式
[0038]
下面结合附图和具体实施例进一步说明本发明的技术方案。
[0039]
本发明的目的是探究不同的脑功能连接模式下，音乐干预对健康老年人认知改善的影响。为了实现上述目的，本发明应用功能连接的方法和分类预测的方法来探究音乐干预对大脑功能环路的作用机制。如图1所所示，本发明的一种fmri脑环路的音乐调制脑可塑性效果的预测方法，包括以下步骤：
[0040]
s1、进行认知筛查，采集认知功能正常的被试者的静息态磁共振以及结构磁共振数据和认知测验评分；
[0041]
s2、对被试者进行为期8周的音乐干预训练；
[0042]
本实例使用真实数据集作为测试，共招募120名老年被试者(平均年龄：65.4
±
7.8岁)参与了音乐干预实验。所有被试都进行了为期8周的莫扎特音乐干预训练。实验收集了干预前后头部磁共振数据(包括静息态fmri和结构磁共振数据)，以及干预前后的行为认知功能(注意，记忆，处理功能)评分。
[0043]
s3、对训练后的被试者进行认知功能评测；
[0044]
s4、计算所有被试者干预前后的行为评分的改变量，根据改变量的第三四分位数将所有被试分为有效干预组和无效干预组：改变量大于及等于第三四分位数视为有效干预组，其他的视为无效干预组，将分类结果作为被试者的标签；
[0045]
具体实现方法为：使用干预后的认知功能评分减去干预前的认知功能评分，得到被试者干预前后的认知评分改变量；将三个认知功能变化量分别进行归一化然后求和，将
求和后的数值从小到大进行排序，找到第三四分位数，将大于及等于第三四分位数对应的被试视为有效干预组(30人)，小于第三四分位数的被试视为无效干预组(90人)。
[0046]
s5、训练预测模型，包括以下子步骤：
[0047]
s51、计算干预前种子点之间的功能连接：利用逐步回归的方法找出对认知功能改变量贡献最大的功能连接特征；
[0048]
所述步骤s51具体实现方法为：
[0049]
s511、对静息态功能磁共振数据和结构磁共振数据进行预处理，预处理步骤包括：
[0050]
s5111、去除静息态功能磁共振数据中前5个时间点的数据；
[0051]
s5112、对静息态功能磁共振数据进行时间层矫正；
[0052]
s5113、对静息态功能磁共振数据进行头动矫正；
[0053]
s5114、对结构磁共振数据进行原点校正；
[0054]
s5115、利用校正后的结构磁共振数据生成dartel模板，利用dartel模板对矫正后的静息态功能磁共振数据进行标准化，并重采样到3mm；
[0055]
s5116、使用8mm的高斯平滑核对步骤s515得到的重采样数据进行平滑处理；
[0056]
s5117、回归白质、脑脊液、线性趋势；
[0057]
s5118、进行滤波处理，选择频段0.001
‑
0.01hz之间的信息；
[0058]
s512、使用滤波后的数据进行基于种子点之间的功能连接，选取10个种子点，计算种子点间的功能连接，种子点为双侧脑岛：[42,12,
‑
9],[
‑
43,16,
‑
8]；双侧颞顶联合区：[60,
‑
22,23],[
‑
65,
‑
33,28]；前扣带：[6,0,30]；右侧纹状体：[20,11,
‑
9]；左侧杏仁核：[
‑
27,6,
‑
18]；左侧额中回：[
‑
29,53,32]；左侧顶上小叶：[
‑
21,
‑
48,72]；右侧额上回：[18,60,27]；
[0059]
s513、进行逐步回归，包括以下子步骤：
[0060]
s5131、将步骤s52得到的功能连接值分别与认知变化量构建一元回归方程：
[0061]
y＝β
i
x
i
+c
i
；
[0062]
y为认知变化量，x
i
为功能连接值，β
i
是回归系数，c
i
是常数项；
[0063]
s5132、计算一元回归方程中回归系数β
i
的检验统计量找到检验统计量最大时对应x
i
，然后将得到的x
i
作为第一次回归步骤中的x1；
[0064]
s5133、构建以(x1，x2)，(x1，x3)，
…
,(x1，x
n
)为自变量，认知变化量为因变量的二元回归方程，即y＝β1x1+β
i
x
i
+c
i
，i＝1,2,
…
,n，n表示功能连接值的数量；
[0065]
计算所有方程回归系数的检验统计量如果此时所有的都要小于以x1为自变量的一元回归方程的值，则停止筛选，否则找出最大对应的x
i
，作为第二次回归步骤中的x2；
[0066]
s5134、通过多次迭代回归，找出最优的回归方程；
[0067]
s5135、根据最优的回归方程选出与认知变化量最相关的功能连接特征。
[0068]
s52、将步骤s51得到的功能连接特征作为模型训练的分类特征，使用支持向量机的方法训练分类模型，并使用k
‑
则交叉验证法进行交叉验证，得到音乐调制脑可塑性效果预测分类模型。分类方法试验过程如图2所示。交叉验证采用五折交叉验证方法，把所有被试者平均分成五个样本，四个样本作为训练集，剩下的一个样本作为测试集。先使用支持向
量机对训练集进行训练，然后对测试集进行测试。以上步骤不断重复多次，以提高分类器性能。最后得出分类性能参数(准确率，敏感性)，确定最优特征集，得到分类模型。
[0069]
结果发现，双侧前脑岛与前扣带，双侧颞顶联合区的连接组合对认知变化量的贡献度达到最优，而且这些区域的功能连接越强，认知变化量越大。此外，svm结果证明了这些特征能很好的将有效组和无效组进行区分(准确率＝79.1％，敏感性＝80％，特异性＝78.5％)。本实例训练得到的模型的roc曲线如图3所示，图中的弯曲曲线即为roc曲线，这个曲线离左上角越近，即曲线下面积越大，说明分类效果越好，中间的对角线起参考作用，在对角线的左上方表示分类器优于随机猜测，有预测价值，在对角线的右下方表示分类器比随机猜测还差，没有预测价值。因此，音乐干预的有效程度可能受到以脑岛为核心的功能连接强度的影响。
[0070]
实验结果说明，对老年人进行音乐干预对认知功能改善效果的好坏可能取决于以脑岛为核心的脑连接环路的连接强度。以脑岛为核心的脑连接环路越强，音乐干预效果越好，揭示了脑岛相关的连接环路对音乐干预效果的重要性。
[0071]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。