基于脑网络梯度的大脑结构-功能耦合的定量方法及装置

本发明涉及于医学图像信号处理领域，尤其涉及一种基于脑网络梯度的大脑结构-功能耦合的定量方法及装置。

背景技术：

1、根据经典的神经解剖学理论，大脑区域的空间排布并非随机的，而是基于进化选择形成的发展机制的结果。最近的神经影像学和网络神经科学研究在绘制人类和非人类大脑的空间梯度方面取得了重大进展。梯度是指在空间上连续排列的皮层特征的变异轴，两个区域的相似性与它们沿皮层表面的相对位置具有很强的关系，即具有相似特性的区域会沿着梯度分布于相近的位置。近年来，研究大脑组织空间梯度的新方法开始兴起。多项研究将降维算法应用于功能连接和结构连接数据，得到描述不同皮层系统之间的平滑过渡主成分，即梯度，并将其应用于多种神经退行性疾病的研究中，例如：在重度抑郁症、孤独症、精神分裂症、急性中风、儿童双相情感障碍、阿兹海默病和癫痫等疾病中存在梯度异常。因此，梯度被视为多种神经退行性疾病的生物标志物。

2、结构-功能耦合近年的研究热点话题，多项研究中将通信模型、生物物理模型和统计模型等多种方法应用于结构-功能耦合，并且在大脑发育、认知功能、基因表达以及多种疾病的研究中有广泛的应用，包括：癫痫、抑郁症、精神分裂症、双相情感障碍以及创伤性脑损伤。相比于单一的结构或功能网络，结构-功能耦合的方法能够捕捉到大脑中更加细微的变化，能够更加全面地揭示大脑活动的复杂机制。

3、现有的结构功能耦合指标，没有采用主成分分析的方法降低数据维度，存储空间大和计算成本高，存在冗余和噪音。

技术实现思路

1、本发明提供了一种基于脑网络梯度的大脑结构-功能耦合的定量方法及装置，本发明将结构-功能耦合与结构和功能连接梯度结合，以期更加全面和灵敏地反应大脑的活动，捕获大脑结构和功能的微小变化，有望为探究健康或紊乱的大脑活动的生理机制提供新的研究思路，详见下文描述：

2、第一方面、一种基于脑网络梯度的大脑结构-功能耦合的定量方法，所述方法包括：

3、使用梯度回波序列采集脑成像数据；采用轴向单次自旋回波epi序列获得dti数据；对dti数据、脑成像数据分别进行预处理操作；

4、利用主成分分析对相似度矩阵降维，得到结构梯度矩阵，每一列为一个主成分，即结构连接梯度；利用主成分分析对相似度矩阵降维，得到功能梯度矩阵，每一列为一个主成分，即功能连接梯度；

5、将结构连接矩阵和功能连接矩阵用主成分分析降维，得到结构梯度矩阵和功能梯度矩阵；

6、计算低频结构梯度矩阵和低频功能梯度矩阵各行之间的pearson相关系数，得到低频梯度耦合指数，计算高频结构梯度矩阵和高频功能梯度矩阵各行之间的pearson相关系数，得到高频梯度耦合指数；

7、通过低频梯度耦合指数、高频梯度耦合指数捕捉大脑结构或功能的微小变化。

8、其中，所述低频梯度耦合指数为：

9、

10、其中，lrx为低频结构梯度和低频功能梯度矩阵各行的pearson相关系数，x＝1，2，3，....，n。

11、其中，所述高频梯度耦合指数为：

12、

13、其中，hrx为高频结构梯度和高频功能梯度矩阵各行的pearson相关系数，x＝1，2，3，....，n。

14、其中，所述方法还包括：计算高频梯度耦合指数与低频梯度耦合指数的比值，称为梯度耦合分数：

15、

16、其中，coindexratio为梯度耦合分数矩阵，hrx/lrx为高频梯度耦合指数与低频梯度耦合指数的比值，x＝1，2，3，....，n。

17、一种基于脑网络梯度的大脑结构-功能耦合的定量装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行权利第一方面中的任一项所述的方法。

18、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行第一方面中的任一项所述的方法。

19、本发明提供的技术方案的有益效果是：

20、1、本发明通过分别处理弥散张量成像(dti)数据和功能磁共振成像(fmri)数据得到大脑的结构连接矩阵和功能连接矩阵，采用主成分分析的算法分别对两个矩阵降维，提取所有主成分和特征向量，每一列为一个主成分，即“梯度”，通过对结构连接梯度、功能连接梯度矩阵以及低频梯度和高频梯度进行pearson相关分析，可以获得一种反应大脑结构-功能耦合的特征信息的指标；

21、2、本发明提出新的一种结构-功能梯度耦合指标的计算方法，通过在脑区水平上计算结构连接梯度和功能连接梯度的相关性，得到多种结构-功能梯度耦合指数，进而实现更全面、更灵敏地捕获大脑细微变化的目的，为研究大脑的活动机制提供一种新的生物标志物；

22、3、本发明提供了一种多模态融合的基于梯度的结构-功能耦合指数，在采集fmri和dti信号并经过与处理之后，采用本发明的梯度耦合指数进行计算，得到一系列梯度耦合指标，能够捕捉大脑在发育和进化过程中的结构和功能的变化轨迹，为理解大脑发育的生理机制提供新的方法和思路；

23、4、将本发明提出的梯度耦合指数应用到研究神经退行性疾病大脑组织结构和功能的异常中，可能会显著提高识别健康被试和患病个体之间的差异敏感性，可以更加灵敏和全面地发现疾病的病理变化、更精确地定位病灶以及捕捉结构异常和功能异常之间更加细微的联系。

1.一种基于脑网络梯度的大脑结构-功能耦合的定量方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于脑网络梯度的大脑结构-功能耦合的定量方法，其特征在于，所述低频梯度耦合指数为：

3.根据权利要求1所述的一种基于脑网络梯度的大脑结构-功能耦合的定量方法，其特征在于，所述高频梯度耦合指数为：

4.根据权利要求1所述的一种基于脑网络梯度的大脑结构-功能耦合的定量方法，其特征在于，所述方法还包括：计算高频梯度耦合指数与低频梯度耦合指数的比值，称为梯度耦合分数：

5.一种基于脑网络梯度的大脑结构-功能耦合的定量装置，其特征在于，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行权利要求1-4中的任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行权利要求1-4中的任一项所述的方法。