[发明专利]一种基于贝叶斯非参模型的脑功能区划分方法

说明书

本发明公开了一种基于贝叶斯非参模型的脑功能区划分方法，其包括步骤如下：S1：获取rs‑fMRI数据集中n个脑素的相对位置和时间序列；S2：对计算两两脑素之间的相对位置距离矩阵和时间序列距离矩阵；S3：将相对位置距离矩阵和时间序列距离矩阵进行处理和合并，组成新的距离矩阵，对新的距离矩阵进行重定义操作，得到最终的距离矩阵；S4：根据最终的距离矩阵依次计算每个脑素的先验分配和先验聚类，得到聚类结果；S5：根据聚类结果计算当前贝叶斯非参模型参数，根据当前贝叶斯非参模型参数依次对每个脑素计算分配概率，再分配，S6：判断是否达到指定轮次，若是，则反馈最终的脑素聚类结果以及相应的脑区划分结果，否则回到步骤S5继续执行。

技术领域

本发明涉及脑科学技术领域，更具体的，涉及一种基于贝叶斯非参模型的脑功能区划分方法。

背景技术

大脑功能网络研究是认知脑功能并进而探讨意识本质的科学前沿，对人脑疾病分析、类脑计算等有引导作用，具有重要科学意义。多项研究表明，人脑在清醒静息状态下，某些脑区呈现较强的激活状态，这些脑区可组成特定的功能性神经网络，完成人体内外环境的监测、清醒意识的维持等功能。

如中国专利公开号：CN107256408A，公开日：2017-10-17，公开了一种大脑功能网络关键路径搜索方法，主要步骤为：对前期采集的大脑功能磁共振成像数据进行预处理；将处理后的图像按标准脑模板划分为若干脑区，计算各脑区相关系数并将相关系数矩阵中的元素作为连接强弱的初始值；对路径进行编号并计算路径的优化度，将路径编号和对应的优化度存储到矩阵中；将路径按优化度降序排列并划分到不同的子群体中，构造子群体；对每个子群体中优化度最差的路径进行更新；将优化后的所有子群混合，进行个体局部随机更新操作，更新路径优化度。若全局路径优化度差值小于阀值，输出关键路径；否则重新划分子群。

然而这些传统的大脑功能网络的构建可以通过AAL(anatomical automaticlabeling)或Brodmann等脑图谱作为脑模版来实现，划分非常粗糙，缺乏功能特异性描述且个体差异大。出于以上考虑，从rs-fMRI数据出发，实现个体的脑分区和脑网络构建有重要的意义和价值。

发明内容

本发明为了解决以上现有技术存在不足的问题，提供了一种基于贝叶斯非参模型的脑功能区划分方法。

为实现上述本发明目的，采用的技术方案如下：

一种基于贝叶斯非参模型的脑功能区划分方法，所述的方法包括以下步骤：

S1：获取rs-fMRI数据集中n个脑素的相对位置和时间序列；

S2：对计算两两脑素之间的相对位置距离矩阵和时间序列距离矩阵；

S3：将相对位置距离矩阵和时间序列距离矩阵进行处理和合并，组成新的距离矩阵，对新的距离矩阵进行重定义操作，得到最终的距离矩阵；

S4：根据最终的距离矩阵依次计算每个脑素的先验分配和先验聚类，得到聚类结果；

S5：根据聚类结果计算当前贝叶斯非参模型参数，根据当前贝叶斯非参模型参数依次对每个脑素计算分配概率，再分配，

S6：判断是否达到指定轮次，若是，则反馈最终的脑素聚类结果以及相应的脑区划分结果，否则回到步骤S5继续执行。

优选地，步骤S2，计算两两脑素之间的相对位置距离矩阵，具体如下：

式中，相对位置数据集