[发明专利]一种基于相关性分析的脑激活区检测方法

说明书

技术领域

本发明属于fMRI数据分析领域，具体涉及一种基于相关性分析的脑激活区检测方法。

背景技术

功能核磁共振(fMRI，functional Magnetic Resonance Imaging)是一种探测人脑神经活动信号的技术手段。它的基本原理是，在一定的磁场强度下，人体内的氢原子会和一定频率的射频脉冲发生共振而吸收能量，一段时间后会释放之前所吸收的能量。由于不同的人体结构释放能量的时间不同，同一时间所释放的能量强度也有差异，根据这种差别就能够分开不同的脑组织结构。大脑神经活动时，会引起脑神经周围血管中血氧水平的变化。血氧水平的变化又会引起局部磁场不均匀，这种不均匀会改变能量释放的时间长短。通过分析这种改变，能够得知大脑神经活动情况，因此fMRI信号是一种用血氧水平来反映神经活动的间接信号。

传统的fMRI信号处理过程包括数据预处理和后续数据分析。数据预处理主要包括去除头动干扰、时间校正、去除高频噪声等过程。一般研究中，用预处理后的fMRI信号进行数据分析以研究人脑，例如，研究人脑的功能分区，研究人脑功能网络等等。

在大部分研究工作中，fMRI数据分析的第一步就是激活区检测。磁共振仪器采集信号时以体素为单位进行采集，一个体素就是一个小的立方体，其中包含了几百甚至成千上万个神经元。激活区检测就是检测一个体素或一个区域内体素中的神经元是否处于兴奋状态。

现在常用的检测方法大都从数学角度出发，应用了许多线性变换及统计分析等方法，过程复杂而繁琐。例如，一种ICA(Independent Component Analysis)和PCA(Principle Component Analysis)结合的激活区分析方法。首先用ICA在空间上分析，得到一系列的空间独立成分，这些成分均由体素组成，再对这些体素的时间序列做PCA，提取出其中的主成分，然后将主成分与刺激序列进行相关，相关性高则认为提取出的空间独立成分为激活区域。此外，例如fMRI数据处理软件SPM(Statistical Parametric Mapping)中所使用的显著性检验法。这种方法主要应用于有外在刺激的fMRI实验数据处理中。在该方法中，首先要对每一个体素的时间序列拟合一个一般线性模型(GLM,General Linear Model)，由这个模型算出该体素对每个刺激条件的响应强度值。接下来对这些响应强度进行T检验。若显著性差别值小于一定阈值，则认为这个体素在该刺激条件下是激活的。目前比较简便的办法，例如时间簇分析法(TCA,Time Clustering Analysis)，其原理是对大脑的每个体素的时间序列，求其极大值点，然后定义时间序列中某一点上有极大值的体素个数为时间簇，认为时间簇大于一定阈值的时间点为大脑激活的时间点，并且这些组成时间簇的体素所在的区域为激活区，虽然该方法从计算角度而言简便一些，但是检测效果却差强人意。

目前，在很多关于fMRI的研究中，需要快速地确定出激活的大概范围，在这种情况下，简便且有效的方法会有更大的应用优势。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种基于相关性分析的脑激活区检测方法，该方法操作简便，计算量小，能够快速并且有效地检测出脑激活区。

为了实现上述目的，本发明采用的技术方案包括以下步骤：

步骤一、计算每个体素的时间序列与其邻域体素时间序列之间的相关系数；

步骤二、求解所有相关系数的平均値，得到各个体素的相关性参数；

步骤三、将所有体素的相关性参数进行排序，设定阈值，并使每个体素的相关性参数与阈值进行比较，根据比较结果，将每个体素分别划分至激活区或者非激活区。

在步骤一中首先求解每个体素的时间序列均值，由大至小进行排序后，再通过设置阈值筛选出前30％的体素；对小于阈值的体素，将其时间序列设置为零序列。

将筛选出的体素组成矩阵M∈R^(m×n×o×t)，式中，m表示矩阵元素的行数，n表示矩阵元素的列数，o表示矩阵元素的层数，t表示每个元素的向量点个数；

判断某元素M_(x,y,z)的相邻元素是否为零序列，若是，则判定两个元素之间的相关系数为零，否则，判断相邻元素是否在矩阵之外。如果相邻元素在矩阵之外，则置相关系数为零；否则，计算元素之间的皮尔逊相关系数。