一种基于fMRI脑激活数据仓库的数据分析方法
【专利摘要】本发明公开了一种基于fMRI脑激活数据仓库的数据分析方法，包括以下步骤：建立fMRI数据仓库的基本框架，进行数据抽取以及引入维度和事实表；进行数据处理以及多维分析。由于本发明使用数据仓库基本原理和技术来二次处理脑激活研究中的数据，将多维分析技术引入脑激活的结果数据分析处理中，所以可以进行二次分析、处理和整合从而发现新的规律，揭示脑高级活动的深层机制，进而可以使目前散乱的脑功能成像数据和结果得到有序化运用。
【专利说明】一种基于fMRI脑激活数据仓库的数据分析方法
【技术领域】
[0001]本发明涉及一种将数据仓库与数据挖掘技术引入基于fMRI脑激活数据仓库的数据分析方法，属于医学图像处理领域。
【背景技术】
[0002]随功能性磁共振成像(functionalMagnetic Resonance Imaging, fMRI)能实时跟踪信号的改变。例如在仅几秒钟内发生的思维活动，或认知实验中信号的变化，时间分辨率达到Is。随着该技术的不断成熟与发展，越来越多的学者运用fMRI研究大脑的高级神经活动。fMRI极大增强了我们进行脑研究的能力，近年来已经广泛应用于感知觉、运动控制和语言认知等脑功能研究，而这些研究活动也产生了大量的实验数据。SPM是专门为脑功能成像数据分析，他可以解决不同图像数据间的比较问题，给出了具有统计学意义的结果。
[0003]本世纪80年代中期首次提出的“数据仓库”的概念是William H.1nmon先生在其《建立数据仓库》一书中定义的。他认为:数据仓库是在管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。但是随着数据仓库不断发展与完善，其服务也应该突破管理和决策的范围，延伸向其他领域。面对脑功能成像研究的新需求，数据仓库的许多功能如:数据深层挖掘、多维分析和动态查询等，都可以作为强有力的工具，为其提供全新的方法。
[0004]虽然SPM已经为实验提供了大量的数据和结果，但随着脑科学研究的不断深入，对数据的挖掘不断产生了新的需求，SPM已经无法完全满足脑科学研究的要求。这就需要引入新技术，对数据进行二次分析、处理和整合从而发现新的规律，揭示脑高级活动的深层机制，使目前散乱的脑功能成像数据和结果得到有序化运用。因此，我们的目标就是结合SPM提供的数据和结果，如何把数据仓库理论和方案移植到FMRI的脑科学研究当中。
【发明内容】
[0005]为解决现有数据分析技术存在的上述问题，本发明要设计一种基于fMRI脑激活数据仓库的数据分析方法，包括以下步骤:
[0006]A、FMRI数据仓库的建立方法；
[0007]Al、FMRI数 据仓库的基本框架，从整体上把握数据仓库的总体框架；
[0008]A2、数据抽取；数据仓库的数据并非直接得到的原始数据，而是经过SPM处理后的数据；
[0009]A3、维度与事实；主要包括:被测试人员维、测试方式维、脑区域维、脑坐标维、实验时间序列维、事实表；
[0010]B、进行数据处理；
[0011]加权像与时间构成了一个的函数,记为y=bold (X，y，z, η),其中X，y, Z分别为体素点的三维坐标；n为时间，其时间分辨率依机器设备的扫描速度而定；
[0012]对于一个体素点，它的三维坐标已定，所以函数又可写成y=bold (x0,y0, z0,n)；[0013]B1、正规化:对每一个体素的时间序列S=应用公式I进行正规化
【权利要求】
1.一种基于fMRI脑激活数据仓库的数据分析方法，包括以下步骤: A、FMRI数据仓库的建立方法； AUFMRI数据仓库的基本框架，从整体上把握数据仓库的总体框架； A2、数据抽取；数据仓库的数据并非直接得到的原始数据，而是经过SPM处理后的数据； A3、维度与事实；主要包括:被测试人员维、测试方式维、脑区域维、脑坐标维、实验时间序列维、事实表； B、进行数据处理； 加权像与时间构成了一个的函数，记为y=bold (x，y, ζ, η),其中x, y, z分别为体素点的三维坐标；n为时间，其时间分辨率依机器设备的扫描速度而定； 对于一个体素点，它的三维坐标已定，所以函数又可写成y=bold (χΟ,yΟ, ζΟ,η)； B1、正规化:对每一个体素的时间序列S=应用公式I进行正规化
2.根据权利要求1所述的一种基于fMRI脑激活数据仓库的数据分析方法，其特征还在于:所述BI为序列合并: 应用公式2对两个不同任务序列求差而形成一个新的序列；由此对每个体素点沿时间轴的差的变化进行分析；
Δ bold (X，y, ζ, η) = IdoIcI1 (x, y, z, n) -boId2 (χ, y, ζ, η)公式 2 其中，IdoIcI1 (χ, y, ζ, η)和bold2 (χ, y, ζ, η)别为两个不同任务的信号强度。
3.根据权利要求1所述的一种基于fMRI脑激活数据仓库的数据分析方法，其特征还在于: 所述BI为序列计算:序列计算的目的是为了处理今后可能出现的在不同序列之间进行的更复杂计算，允许把多个序列作为变量，进行各种复杂的计算；将需要计算的序列选中，并为该序列命名一个变量，然后在表达式中编写处理数据的计算公式，系统提供多中函数，如三角函数、指数和对数。
【文档编号】G06F17/30GK103838788SQ201210491021
【公开日】2014年6月4日 申请日期:2012年11月27日 优先权日:2012年11月27日
【发明者】李勇, 刘立堂 申请人:大连灵动科技发展有限公司