[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

说明书

基于多模态磁共振图像的脑网络建模与个体预测方法，具有处理多模态数据的功能，并对不同模态的影像处理提供了统一的输入输出数据格式，促进对多模态影像信息的应用，将不同模态的影像信息进行整合，基于支持向量机，利用多模态数据，对特定问题进行分类训练预测。方法包括：构建T1结构协变脑网络、DTI白质脑网络、fMRI功能脑网络、脑网络分析和计算。可基于已建立的中国人群痴呆队列的样本库，同时构建多模态脑网络并计算各类相关脑网络指标，统一各模态脑网络输出结果格式，便于对多模态脑网络的应用。从多模态脑网络的特征指标中选择信息特征，构建基于支持向量机的轻度认知障碍自动判别分析模型以及脑龄预测模型。

技术领域

本发明涉及医学图像处理和机器学习应用的技术领域，尤其涉及一种基于多模态磁共振图像的脑网络建模与个体预测方法。

背景技术

人脑的结构和功能连接模式是神经科学领域最为关注的研究热点和核心课题之一。最近，国际上已经将人脑网络的构建及拓扑描述称为“人脑连接组学”。通过“人脑连接组学”研究，人们可以全面而细致地了解大脑内部的结构和功能连接模式，改变长久以来研究大脑的方式，即不再将脑视为数量巨大的离散解剖单元，而是由彼此纵横交叉、相互连接的神经元构成的复杂统一体，这为深入理解人脑的工作机理和揭示神经精神疾病的发病机理等重大科学问题提供全新的视角。最近，研究者发现通过分析多模态磁共振图像海量数据，能够获取人脑的结构和功能连接信息，从而构建脑结构网络和脑功能网络。结构连接模式决定了人脑各区域之间沟通和信息传递的方式，而功能连接与人脑不同的活动状态有关，其连接模式可能决定了人脑活动的多样性。人脑的结构和功能网络密不可分，形成了人类认知和行为的神经基础。

目前的人脑网络研究都是在宏观尺度(macroscale)水平来考察，通过将大脑划分为几百或几千个脑区作为节点，根据脑区之间的连接来构建网络。基于结构磁共振图像，通过计算不同脑区的形态学指标(灰质体积，皮层厚度等)的相关性，可以构建脑形态学结构协变网络；基于扩散磁共振图像，通过纤维跟踪技术重建脑区之间的白质纤维连接通路，从而可以构建脑白质结构网络；基于静息态功能磁共振图像，通过计算不同脑区活动随时间的关联性(同步性)，可以构建静息态下全脑功能网络。通过对人脑构建网络模型，大量研究都一致地发现人脑网络具有高的局部整合和高效的长距离信息传递能力，也就是“小世界”属性；进一步还发现了人脑网络一些重要核心脑区(hub)的分布，主要位于额顶叶内侧皮层；此外还揭示了人脑网络的模块化结构：每个模块内部节点紧密联系，不同模块之间通过较少的连接联系在一起。这说明人类的大脑为了实现脑区之间信息交互的高效和同步性，功能的分化和整合，已经进化成了一个复杂但是高效的神经系统。随后，基于不同模态神经影像的脑网络计算方法得到进一步发展，并被广泛应用于发育、老化和脑疾病研究。

脑网络指标的异常可能为脑疾病辅助诊断提供潜在的影像学标记物。此外，基于磁共振图像的脑龄预测已成为评估大脑健康程度的关键指标，计算出的大脑年龄与实际生理年龄的差异可能决定了一个人的大脑健康程度。已有的研究表明阿尔茨海默病患者的脑龄明显高于其实际生理年龄，而且与患者认知下降程度具有显著相关性，提示了其认知障碍可能的加速老化病理机制。因此，基于多模态脑影像数据来预测脑龄可以较好反映一个人大脑和认知的健康水平。

然而虽然目前的脑网络分析方法已经发展比较成熟，但尚未广泛用于脑龄预测研究中，主要问题如下：已有的一些脑网络构建软件，它们仅能构建某种单一模态的脑网络，对于被试数据的输入格式要求以及网络构建后的输出格式不尽相同，且部分软件只能进行网络构建，未能实现网络分析功能，这对于一些基于构建多模态脑网络的工作很不友好。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种基于多模态磁共振图像的脑网络建模与个体预测方法，其具有处理多模态数据的功能，并对不同模态的影像处理提供了统一的输入输出数据格式，促进了对多模态影像信息的应用，将不同模态的影像信息进行整合，基于支持向量机，利用多模态数据，对特定问题进行分类训练预测。

本发明的技术方案是：这种基于多模态磁共振图像的脑网络建模与个体预测方法，其包括以下步骤：