本發(fā)明屬于fmri數(shù)據(jù)分析領(lǐng)域，具體涉及一種基于相關(guān)性分析的腦激活區(qū)檢測方法。

背景技術(shù)：

功能核磁共振(fmri，functionalmagneticresonanceimaging)是一種探測人腦神經(jīng)活動(dòng)信號的技術(shù)手段。它的基本原理是，在一定的磁場強(qiáng)度下，人體內(nèi)的氫原子會和一定頻率的射頻脈沖發(fā)生共振而吸收能量，一段時(shí)間后會釋放之前所吸收的能量。由于不同的人體結(jié)構(gòu)釋放能量的時(shí)間不同，同一時(shí)間所釋放的能量強(qiáng)度也有差異，根據(jù)這種差別就能夠分開不同的腦組織結(jié)構(gòu)。大腦神經(jīng)活動(dòng)時(shí)，會引起腦神經(jīng)周圍血管中血氧水平的變化。血氧水平的變化又會引起局部磁場不均勻，這種不均勻會改變能量釋放的時(shí)間長短。通過分析這種改變，能夠得知大腦神經(jīng)活動(dòng)情況，因此fmri信號是一種用血氧水平來反映神經(jīng)活動(dòng)的間接信號。

傳統(tǒng)的fmri信號處理過程包括數(shù)據(jù)預(yù)處理和后續(xù)數(shù)據(jù)分析。數(shù)據(jù)預(yù)處理主要包括去除頭動(dòng)干擾、時(shí)間校正、去除高頻噪聲等過程。一般研究中，用預(yù)處理后的fmri信號進(jìn)行數(shù)據(jù)分析以研究人腦，例如，研究人腦的功能分區(qū)，研究人腦功能網(wǎng)絡(luò)等等。

在大部分研究工作中，fmri數(shù)據(jù)分析的第一步就是激活區(qū)檢測。磁共振儀器采集信號時(shí)以體素為單位進(jìn)行采集，一個(gè)體素就是一個(gè)小的立方體，其中包含了幾百甚至成千上萬個(gè)神經(jīng)元。激活區(qū)檢測就是檢測一個(gè)體素或一個(gè)區(qū)域內(nèi)體素中的神經(jīng)元是否處于興奮狀態(tài)。

現(xiàn)在常用的檢測方法大都從數(shù)學(xué)角度出發(fā)，應(yīng)用了許多線性變換及統(tǒng)計(jì)分析等方法，過程復(fù)雜而繁瑣。例如，一種ica(independentcomponentanalysis)和pca(principlecomponentanalysis)結(jié)合的激活區(qū)分析方法。首先用ica在空間上分析，得到一系列的空間獨(dú)立成分，這些成分均由體素組成，再對這些體素的時(shí)間序列做pca，提取出其中的主成分，然后將主成分與刺激序列進(jìn)行相關(guān)，相關(guān)性高則認(rèn)為提取出的空間獨(dú)立成分為激活區(qū)域。此外，例如fmri數(shù)據(jù)處理軟件spm(statisticalparametricmapping)中所使用的顯著性檢驗(yàn)法。這種方法主要應(yīng)用于有外在刺激的fmri實(shí)驗(yàn)數(shù)據(jù)處理中。在該方法中，首先要對每一個(gè)體素的時(shí)間序列擬合一個(gè)一般線性模型(glm,generallinearmodel)，由這個(gè)模型算出該體素對每個(gè)刺激條件的響應(yīng)強(qiáng)度值。接下來對這些響應(yīng)強(qiáng)度進(jìn)行t檢驗(yàn)。若顯著性差別值小于一定閾值，則認(rèn)為這個(gè)體素在該刺激條件下是激活的。目前比較簡便的辦法，例如時(shí)間簇分析法(tca,timeclusteringanalysis)，其原理是對大腦的每個(gè)體素的時(shí)間序列，求其極大值點(diǎn)，然后定義時(shí)間序列中某一點(diǎn)上有極大值的體素個(gè)數(shù)為時(shí)間簇，認(rèn)為時(shí)間簇大于一定閾值的時(shí)間點(diǎn)為大腦激活的時(shí)間點(diǎn)，并且這些組成時(shí)間簇的體素所在的區(qū)域?yàn)榧せ顓^(qū)，雖然該方法從計(jì)算角度而言簡便一些，但是檢測效果卻差強(qiáng)人意。

目前，在很多關(guān)于fmri的研究中，需要快速地確定出激活的大概范圍，在這種情況下，簡便且有效的方法會有更大的應(yīng)用優(yōu)勢。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)中的問題，提供一種基于相關(guān)性分析的腦激活區(qū)檢測方法，該方法操作簡便，計(jì)算量小，能夠快速并且有效地檢測出腦激活區(qū)。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案包括以下步驟：

步驟一、計(jì)算每個(gè)體素的時(shí)間序列與其鄰域體素時(shí)間序列之間的相關(guān)系數(shù)；

步驟二、求解所有相關(guān)系數(shù)的平均値，得到各個(gè)體素的相關(guān)性參數(shù)；

步驟三、將所有體素的相關(guān)性參數(shù)進(jìn)行排序，設(shè)定閾值，并使每個(gè)體素的相關(guān)性參數(shù)與閾值進(jìn)行比較，根據(jù)比較結(jié)果，將每個(gè)體素分別劃分至激活區(qū)或者非激活區(qū)。

在步驟一中首先求解每個(gè)體素的時(shí)間序列均值，由大至小進(jìn)行排序后，再通過設(shè)置閾值篩選出前30％的體素；對小于閾值的體素，將其時(shí)間序列設(shè)置為零序列。

將篩選出的體素組成矩陣m∈r^(m×n×o×t)，式中，m表示矩陣元素的行數(shù)，n表示矩陣元素的列數(shù)，o表示矩陣元素的層數(shù)，t表示每個(gè)元素的向量點(diǎn)個(gè)數(shù)；

判斷某元素m(x,y,z)的相鄰元素是否為零序列，若是，則判定兩個(gè)元素之間的相關(guān)系數(shù)為零，否則，判斷相鄰元素是否在矩陣之外。如果相鄰元素在矩陣之外，則置相關(guān)系數(shù)為零；否則，計(jì)算元素之間的皮爾遜相關(guān)系數(shù)。

以元素m(x,y,z)為中心，其領(lǐng)域存在一個(gè)包含有27個(gè)元素的正方體區(qū)域。計(jì)算元素m(x,y,z)與其周圍其余26個(gè)元素之間的相關(guān)性，取平均值后即得到相關(guān)性參數(shù)r(x,y,z)。

所述的步驟三中對相關(guān)性參數(shù)r(x,y,z)由大至小進(jìn)行排序，通過閾值篩選出前1％的體素，劃入激活區(qū)，相關(guān)性參數(shù)小于閾值的其余體素劃入非激活區(qū)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：省去了大量的計(jì)算工作，僅僅需要針對每個(gè)體素計(jì)算出一個(gè)相關(guān)性參數(shù)，再選出相關(guān)性參數(shù)較大的體素即可。該方法能夠明顯的檢測出激活區(qū)，實(shí)現(xiàn)與以往復(fù)雜計(jì)算方法同樣的檢測效果，同時(shí)該方法操作簡便，能夠節(jié)省大量的檢測時(shí)間，通過實(shí)驗(yàn)對比驗(yàn)證，本發(fā)明的檢測結(jié)果準(zhǔn)確可靠。

附圖說明

圖1本發(fā)明方法的檢測原理示意圖；

圖2本發(fā)明方法的算法流程圖；

圖3本發(fā)明方法的檢測效果圖，由(a)～(f)分別為不同高度的人腦橫斷面；

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明。

參見圖1，本發(fā)明基于相關(guān)核團(tuán)分析法，具體檢測原理如下：由于fmri是一種間接信號，由血管中血氧水平的變化來反映神經(jīng)活動(dòng)，所以認(rèn)為每個(gè)體素中測得的時(shí)間序列由不同來源的血氧水平波動(dòng)疊加而成，這些來源不同的血氧水平波動(dòng)能夠看作不同的成分。

例如，圖中的成分一能夠看作是和心跳呼吸相關(guān)的血氧水平波動(dòng)，成分二能夠看作是和情緒狀態(tài)相關(guān)的波動(dòng)，成分三能夠理解為血管局部噪聲。體素類型一表示不包含刺激成分的體素，體素類型二表示包含刺激成分。在有實(shí)驗(yàn)刺激的情況下，體素類型一占大多數(shù)，類型二只占一小部分。心跳呼吸和情緒狀態(tài)等類似的有規(guī)律的全局噪聲，會給所有體素的時(shí)間序列之間貢獻(xiàn)相關(guān)性，局部噪聲是隨機(jī)的，沒有規(guī)律性，會減弱相鄰體素之間的相關(guān)性，導(dǎo)致類型一的體素的時(shí)間序列之間的相關(guān)性低。但是在類型二的體素中，由于實(shí)驗(yàn)刺激相關(guān)的成分引起的信號變化規(guī)律性非常強(qiáng)，所以在體素類型二之間的相關(guān)性會顯著增強(qiáng)。因此，認(rèn)為與相鄰體素時(shí)間序列相關(guān)性很強(qiáng)的體素是和刺激相關(guān)的，即激活區(qū)體素。

參見圖2，本發(fā)明基于相關(guān)性分析的腦激活區(qū)檢測方法包括以下步驟：

1.求解每個(gè)體素時(shí)間序列的均值，并排序。設(shè)立閾值，使得此閾值能夠篩選出均值較大的體素，一般情況下，這個(gè)步驟只需要篩選出較大的前30％的體素。

2.判斷每個(gè)體素對應(yīng)均值是否大于閾值，若不屬于，則將該體素的時(shí)間序列置為零序列。

3.將剩下的體素組成一個(gè)矩陣m∈r^(m×n×o×t)，表示該矩陣有m行n列o層元素，每個(gè)元素是一個(gè)有t個(gè)點(diǎn)的向量，即每個(gè)元素是在這個(gè)體素位置上測得的時(shí)間序列。例如m(x,y,z)是一個(gè)包含了t個(gè)點(diǎn)的向量。

4.對單個(gè)元素m(x,y,z)，判斷其相鄰的元素是否是零序列，如果是，則認(rèn)為兩個(gè)元素之間的相關(guān)系數(shù)為零，如果不是，需要判斷相鄰元素是否在矩陣之外。

5.判斷相鄰元素是否在矩陣之外，如果是，則置相關(guān)系數(shù)為零，如果不是，計(jì)算兩者之間的皮爾遜相關(guān)系數(shù)。

6.計(jì)算皮爾遜相關(guān)系數(shù)。

7.以m(x,y,z)為中心，其鄰域存在一個(gè)包含有27個(gè)元素的正方體。重復(fù)以上過程，計(jì)算m(x,y,z)與周圍26個(gè)元素之間的相關(guān)性，并作平均，得到相關(guān)性參數(shù)r(x,y,z)。

8.將所有相關(guān)性參數(shù)進(jìn)行排序，設(shè)立閾值，使得大于閾值的相關(guān)性參數(shù)屬于較大的前1％。

9.如果該體素的相關(guān)性參數(shù)大于所設(shè)閾值，認(rèn)為該體素所在的位置為激活區(qū)，如果不在，則認(rèn)為該體素位于非激活區(qū)。

參見圖3(a)-圖3(f)，六幅圖分別代表不同高度的人腦橫斷面，圖3(a)是位置較低，靠近頸部大腦枕葉部位的橫斷面，圖3(f)是位置較高，靠近頭頂大腦枕葉部位的橫斷面，每一幅圖中，最左側(cè)的是大腦枕葉部位，包含有視覺皮層，處理視覺信息。所用數(shù)據(jù)來自于視覺刺激實(shí)驗(yàn)。圖中區(qū)域越亮表示相關(guān)性參數(shù)值越高，區(qū)域越暗表示相關(guān)性參數(shù)值越低。從圖中能夠明顯看出，相關(guān)性參數(shù)值偏高的體素基本分布在大腦枕葉視覺皮層位置，相關(guān)性參數(shù)值偏低的體素大多遠(yuǎn)離視覺皮層，說明選出的激活體素符合實(shí)驗(yàn)刺激形式，該方法有效。