[发明专利]基于多模态磁共振图像的脑网络建模与个体预测方法

权利要求书

1.基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：其包括以下步骤：

(1)构建T1结构协变脑网络；

(2)构建DTI脑结构网络；

(3)构建fMRI脑功能网络；

(4)脑网络分析和计算；

(5)基于多模态脑网络构建脑龄预测模型；

其中步骤(1)包括以下分步骤：

(1.1)对输入的原始图像进行转格式操作DICOM-NIFTI；

(1.2)对输入图像进行剥头皮操作，去除头皮对大脑影像的影响；

(1.3)对大脑图像基于体素进行分区，利用不同模板分为不同脑区；

(1.4)进行灰度标准化操作，分割白质；

(1.5)提取大脑皮层，基于标准模板进行皮层的配准和分区；

(1.6)得到基于皮层厚度的结构协变网络矩阵。

2.根据权利要求1所述的基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：所述步骤(2)包括以下分步骤：

(2.1)对输入的原始图像进行转格式操作DICOM-NIFTI；

(2.2)头动矫正及涡流矫正，去除扫描过程中被试头动对不同时刻扫描图像的影响；

(2.3)基于DTI模型，进行张量和扩散指标的计算，张量主方向为白质纤维走向；

(2.4)基于张量追踪出白质纤维束，使用确定性现为追踪算法，将某一体素的张量主方向认定为纤维走向的方向，若其与指向的下一体素的主方向未超过某一设定阈值，则纤维束在此位置为连接的纤维束；

(2.5)大脑配准分区，在进行群体平均和群体比较时，个体数据被转换成一个标准化的空间，以解释大脑大小、形状和解剖结构的差异性，先将该被试的T1结构像配准到其DTI图像上，使得各个脑区位置相互对应，再将完成配准的图像配准到标准空间，对从DTI到标准图像的变换矩阵取逆，将去逆变换应用到已经处理完的标准分区文件上，进而得到被试的大脑分区；

(2.6)将每个被试构建的纤维束与大脑分区结合，计算各个脑区间纤维连接数目，得到脑网络矩阵。

3.根据权利要求2所述的基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：所述步骤(3)包括以下分步骤：

(3.1)对输入的原始图像进行转格式操作DICOM-NIFTI；

(3.2)去除前5—10个时间点图像，达到磁化平衡；

(3.3)时间矫正，通过调用SPM12函数来执行R-fMRI数据集切片定时校正；

(3.4)图像重排列，将单个图像重新排列，使大脑每个体积的每个部分处于相同的位置，通过调用SPM12函数来执行这个过程；

(3.5)标准化，在进行群体平均和群体比较时，个体数据被转换成一个标准化的空间，以解释大脑大小、形状和解剖结构的差异性；

(3.6)空间回归，使用高斯滤波器进行空间平滑；

(3.7)协变量回归，对于fMRI数据集，从每个体素时间序列中去除一些有害信号，以减少非神经元波动的影响，包括头部运动轮廓、脑脊液信号、白质信号和/或全局信号；

(3.8)去除线性漂移，采用一种基于相关SPM8函数来减少线性和非线性漂移或信号趋势的影响的选项；

(3.9)滤波，fMRI数据经过带通滤波减少低频漂移和高频生理噪声的影响；

(3.10)功能连接矩阵构建，分为两个步骤：区域分割和功能连接估计，从每个分步单元中提取平均时间序列，然后通过计算线性皮尔逊相关系数估计时间序列之间的成对功能连通性，这个过程将为每个参与者生成一个相关矩阵。

4.根据权利要求3所述的基于多模态磁共振图像的脑网络建模与个体预测方法，其特征在于：在所述步骤(3.5)中，基于SPM12函数，使用三种方法进行转换：通过估计单个函数图像到回声平面成像模板的转换，直接将单个函数图像扭曲到标准MNI空间；将单个功能图像用统一分割的方法，将T1与功能图像共登记图像配准到MNI模板中，得到的变换矩阵，将单个功能图像弯曲到标准MNI空间。