[发明专利]一种面向脑影像信号的空间复杂性分析方法

说明书

本发明公开了一种面向脑影像信号的空间复杂性分析方法。此方法包括如下步骤：S1、获取脑影像数据；S2、预处理所述脑影像数据；S3、基于经过预处理的所述脑成像数据，提取不同脑区的信号；S4、估计所述不同脑区信号的时域平均正则空间复杂性及每个脑区对时域平均正则化空间复杂性的贡献率；S5、估计所述不同脑区信号的正则空间复杂性的时域变异性及每个脑区对正则化空间复杂性的贡献率的时域变异性。上述方法克服了现有脑影像信号空间复杂性分析技术的局限性。

技术领域

本发明涉及一种面向脑影像信号的空间复杂性分析方法。

背景技术

人脑在静息态或完成某项任务时，大脑各个区域会激活，并且脑区间会存在一定的功能连接或信息流动。大脑各个脑区之间的功能连接对于人完成各种心理加工至关重要。目前，国际主流的脑功能连接技术主要是：脑区间两两之间的功能连接、基于种子点的功能连接、基于独立成分分析的功能连接以及基于复杂网络的功能连接。除此之外，研究者可以使用基于空间复杂性的方法研究不同脑区所组成的系统的整体功能连接水平。

不同脑区（或通道）神经信号的空间复杂性可以被界定为这些脑区（或通道）神经信号的异质性，并且与这些脑区（或通道）之间的整体功能连接水平成反比。为了对空间复杂性这一概念进行量化，Wackermann（1996）年提出了Omega复杂性，并认为空间复杂性等于“这些脑区（或通道）神经信号协方差矩阵的归一化特征值的香农熵”。如果这些脑区（或通道）的神经活动是完全同步的，空间复杂性最低（依据Wackermann提出的方法，此时空间复杂性为1）。反之，如果这些脑区（或通道）的神经信号是完全相互独立的，空间复杂性最高（依据Wackermann提出的方法，此时空间复杂性为脑区（或通道）的数目）。依据Wackermann（1996）提出的度量空间复杂性的方法，研究者发展出了多个指标，例如整体空间复杂性（global spatial complexity，GSC）、区域空间复杂性（regional spatial complexity，RSC）和局部空间复杂性差值（local complexity differential，LCD）。整体空间复杂性可用于度量大脑所有脑区（或通道）的整体功能连接水平。区域空间复杂性可用于度量某个脑区内部所有元素的整体功能连接水平。在fMRI研究中，“元素”可以被定义为大脑的“体素”（voxel）；在EEG、MEG和fNIRS研究中，“元素”可以被定义为测量信号的“通道”（channel）。局部空间复杂性差值指的是在计算整体空间复杂性时将某个脑区（或通道）的信号移除时，整体空间复杂性的变异量。如果某个脑区（或通道）的局部空间复杂性差值大于0，则表明移除该脑区（或通道）的信号整体空间复杂性会下降（该脑区（或通道）会降低整体功能连接水平）；反之，如果某个脑区（或通道）的局部空间复杂性差值小于0，则表明移除该脑区（或通道）的信号整体空间复杂性会上升（该脑区（或通道）会增强整体功能连接水平）。

与传统的功能连接分析只能计算两两脑区（或通道）信号的功能连通性相比，空间复杂性分析可以较为直接地衡量脑区（或通道）的整体功能连接水平和某个脑区（或通道）对整体功能连接水平的贡献程度。但是需要注意，Wackermann（1996）提出的度量空间复杂性的方法（Omega 复杂性）有一个严重的缺陷，即多个脑区（或通道）之间的空间复杂性对定义的脑区（或通道）的数目很敏感（空间复杂性的取值范围是1至脑区（或通道）的数目）。这导致一个很严重的问题，即局部空间复杂性差值理论上永远大于0。与此同时，即使是在静息态下，脑区（或通道）之间的功能连接在整个扫描时间段内也是动态变化的，并非一个固定的数值，而传统的空间复杂性度量方法没有考虑到脑区（或通道）的整体空间复杂性、区域空间复杂性和局部空间复杂性差值是动态变化的。

发明内容

有鉴于此，本发明的主要目的在于提供一种面向脑影像信号的空间复杂性分析方法，以克服上述现有空间复杂性分析方法的不足。

本发明提供的一种面向脑影像信号的空间复杂性分析方法，包括如下步骤：