纤维数，即纤维疏密程度衡量指标，体素平均密度5，计算 公式如下：
[0037] 其中，n表示穿过R0I内的纤维总数，V表示该区域内体素的总体积；
[0038] 1. 4)在建模及贝叶斯概率跟踪基础上，通过获取分子运动的参数估计，计算归一 化球面采样信号的分子扩散位移对扩散时间的积分变换，从而获取三维体素内单个分子运 动的平均距离，即为MSD指标，用于后续帕金森症R0I内微观分子运动距离的差异性分析， 具体计算公式如下：
[0039] msd(t) = <A(t) 2> = <(rj(t)~ri (0)) 2>
[0040] 其中，i= 1，. . .，m，m表示分子数量a(0)为分子i在一定时间间隔长度 t的矢量距离；该向量的平方是多个时间间隔的均值。
[0041] 所述步骤S2中，筛选提取精确中脑黑质区域指标数据，具体步骤如下：
[0042] 首先，运用slicer软件提取中脑区域LABEL;
[0043]再将步骤S1中获取的指标矩阵形式数据通过成像分析，结果显示R0I内FA值均 在小于0. 5范围内，根据此特性确定精确中脑黑质区域；
[0044] 然后根据设定FA的阈值选取连续区域，从而获取精确R0I内各指标数据。
[0045] 本发明的技术构思为：运用多种HARDI技术进行成像建模与跟踪，获取多项脑纤 维分析指标，再利用统计分析方法，运用多种数学方法与软件，分析帕金森病人与正常人脑 纤维差异性，并针对该疾病进行病理分析与初步预测诊断。即为一种用于早期帕金森症预 测的高分辨率、准确可靠的综合分析方法。
[0046] 本发明的有益效果主要表现在：高分辨率、准确可靠。
【附图说明】
[0047] 图1为中脑黑质DC0M单层数据的脑纤维成像图，其中，（a)为帕金森症患者，（b) 为正常控制组。
[0048] 图2为各指标数据成像图，其中，（a)为MSD指标成像图，（b)为FA指标成像图， (c)为GFA指标成像图，（d)为GFApeak指标成像图，（e)为万指标成像图，（f)为MD指标 成像图。
【具体实施方式】
[0049] 下面结合附图对本发明作进一步描述。
[0050] 参照图1和图2,一种用于早期帕金森症预测的综合分析方法，包括以下步骤：
[0051] 步骤S1，读取扩散加权磁共振（DW-MRI)数据，并对全部数据进行降噪、平滑预处 理，运用扩散张量成像（DTI)及高角度分辨率扩散成像（HARDI)技术进行建模成像及纤维 跟踪，获取体素纤维方向信息，并计算得到6种脑纤维差异分析指标数据，包括各向异性分 数（FA)、平均弥散系数（MD)、均方位移（MSD)、广义各向异性分数（GFA、GFApeak)及体素平 均密度（乃），用于后续的帕金森症差异分析及预测；
[0052] 步骤S2,提取并标记特定脑部区域（中脑）体素信息（LABEL)，根据设定各向异性 分数（FA)的阈值，选取连续区域（即为中脑黑质区域），然后筛选提取感兴趣区域（R0I)内 的各指标数据；
[0053] 步骤S3,根据步骤S2中得到的6种差异分析指标，运用SPSS分析工具进行综合分 析，得出被试者与正常人中脑黑质区域的纤维差异性结果，从而预测被试者的患病情况，提 供了一种帕金森症病理研宄与临床疑似病例诊断的有效途径。
[0054] 步骤S1中，运用DTI及HARDI方法进行纤维重构及纤维方向分布估计，并在此基 础上获取6项差异分析指标，各指标计算方法包括以下步骤：
[0055] 1. 1)通过扩散张量成像（DTI)建模，获取组织在三个轴方向的平均扩散度，即二 阶张量扩散特征值的平均值Ai，A2,A3,最终算得FA、MD指标数据：
[0058] 1. 2)与步骤1. 1)FA计算方法类似，通过扩散信号的Funk-Radon变换（FRI)并归 一化，重构测量扩散方向分布函数（0DF)，然后估计每个体素内的潜在纤维方向概率分布， 从而计算出指标GFA，计算公式如下：
[0060] 其中
是感兴趣扩散方向6的一个0DF值，歹是0DF的平均 值，GFA表不纤维各向异性分数的均值，GFApeak表不纤维各向异性峰值；
[0061] 1. 3)通过HARDI的流线性纤维跟踪，获取三维体素体积信息，并以纤维体素为单 位，计算得穿过某区域单位体积纤维数，即纤维疏密程度衡量指标，体素平均密度D，计算 公式如下：
[0063] 其中，n表示穿过R0I内的纤维总数，V表示该区域内体素的总体积；
[0064] 1. 4)在建模及贝叶斯概率跟踪基础上，通过获取分子运动的参数估计，计算归一 化球面采样信号的分子扩散位移对扩散时间的积分变换，从而获取三维体素内单个分子运 动的平均距离，即为MSD指标，用于后续帕金森症R0I内微观分子运动距离的差异性分析， 具体计算公式如下：
[0065] msd(t) = <A(t) 2> = <(rj(t)~ri (0)) 2>
[0066] 其中，i= 1，. . .，m，m表示分子数量a (0)为分子i在一定时间间隔长度 t的矢量距离；该向量的平方是多个时间间隔的均值。
[0067] 步骤S2中，筛选提取精确中脑黑质区域指标数据，具体步骤如下：
[0068] 首先，运用slicer软件提取中脑区域LABEL;再将步骤S1中获取的指标矩阵形式 数据通过成像分析，结果显示R0I内FA值均在小于0. 5范围内，根据此特性确定精确中脑 黑质区域；然后根据设定FA的阈值选取连续区域，从而获取精确R0I内各指标数据。
[0069] 步骤S3中，指标差异性统计分析方法包括单因素方差分析、多指标组合分析、判 别分析，具体包括以下步骤：
[0070] 3. 1)运用SPSS对各组指标中错误数据及异常数据进行预处理，具体步骤包括：
[0071] 首先，将被试者数据与已知正常人数据分为2类，另设变量w作为组别标记，其值 包括自然数1(表示被试组）、2(表示控制组）；
[0072] 其次，对控制组由SPSS标出异常个案，进行剔除；对被试组采用SPSS统计离散值， 将数据进行筛选并剔除错误值；筛选后的缺失数据用均值填充；
[0073] 最后，分别计算各指标每组数据的均值、标准差，并进行0-1标准化处理；
[0074] 3. 2)分别对单个指标均值、标准差进行单因素方差分析：
[0075] 以步骤3. 1)得出的组别标记变量w作为自变量，被试组、控制组各指标均值及标 准差数据作为各因变量，运用SPSS对单因素试验结果进行分析，以P= 0. 05为显著性水 平，通过对多个样本均值的显著性检验，分析获得各指标在被试组与控制组间的显著差异 结果，P< 0. 05表示数据存在显著性差异（即初步预测被试者患病），反之预测被试者未患 病；
[0076] 3. 3)根据各指标数据计算反应数据内在含义的综合指标，并进行组合分析，具体 步骤如下：
[0077] 3. 3. 1)将被试组各均值、标准差数据进行1-2标准化处理，即将步骤3. 1)获取的 0-1标准化数据结果加1，转换到1-2区间；
[0078] 3. 3. 2)设定参数aG(〇, 1)，将a与各指标均值f、标准差S进行线性或非线性组 合，得到各指标对应新指标数据f(X，y):
[0079] f(x,y) =ax+ (l~a)y
[0080] 其中x,y分别为S的线性或非线性运算变换，此处取
[0081] 3. 3. 3)分别对3. 3. 2)计算得出的各指标f(x，y)进行方差分析，计算使各指标同 时满足显著差异的相应阈值范围a;若存在满足上述条件的a，则表明被试者与正常人脑纤 维存在显著差异（有患病可能性），