[发明专利]一种大脑功能网络的超图表示方法

说明书

本发明公开了一种大脑功能网络的超图表示方法，其步骤包括：对静息态的功能磁共振成像进行预处理得到所有脑区的时间序列；使用滑动窗口将整个时间序列划分为多个重叠的子序列段；构建动态大脑功能网络，并将其转化为一个优化模型；采用最邻近结点算法构建动态大脑功能网络的超图；通过卷积操作对超图结构进行动态修改，提取特征得到新的动态超图；提取动态超图的拉普拉斯矩阵；构建拉普拉斯矩阵的流形正则项，并将流形正则项和L₁范数正则项同时引入到优化模型中，得到大脑功能网络的超图表示形式。本发明用于表示多个脑区之间的功能交互和高阶关系，确定具有判别性的大脑功能网络分类特征，有效提高对脑疾病特征的分类性能。

技术领域

本发明涉及生物医学信息处理技术领域，尤其涉及一种大脑功能网络的超图表示方法。

背景技术

人脑可以看作由多个神经元、神经元集群或者多个脑区相互连接成的一个高度复杂的网络，这个庞大而复杂的网络是大脑进行信息处理和认知表达的生理基础。一些神经科学家在充分认识到构建人脑网络的重要性后，提出人脑连接组(human connectome)的概念。人脑连接组力图从宏观(大脑脑区)到微观(单个神经元)的各层次上全面而精细的刻画人类，从总体到个体水平构建大脑网络图谱，并进一步挖掘该网络的连接规律。近年来，基于图论的复杂网络理论(Graph Theory Analysis)的发展为人脑连接组的研究提供了必要的工具和分析方法。构建大脑网络关键的两步：一是如何定义网络节点，二是如何定义网络节点间的连接(边)。

随着科学技术的进步，无创性脑功能成像技术发展日新月异，为我们用多种成像技术进行大脑认知研究提供了广阔的舞台。截至目前，功能磁共振成像技术(functionalMagnetic Resonance Imaging,fMRI)以其高空间分辨率、非侵入式等特点在神经疾病诊断治疗方面得到了广泛应用。fMRI技术是通过测量由神经活动引起的脑血流和脑血氧等成分变化造成的磁共振信号变化来反应人脑内部活动的，其具有非常高的空间分辨率精度(毫米级)。对fMRI进行预处理，选定感兴趣区域并提取平均时间序列，采用相关分析方法来度量脑区之间的功能连接。通过计算两两脑区间的平均时间序列的关联程度，得到感兴趣区域间的相关性。

现实世界中，几乎所有的复杂系统(比如社会、生物、信息、交通运输系统)都可以自然地表示为网络。近年来，借助新兴无创的fMRI成像技术，脑科学迎来了一个发展的高峰。研究者们发现利用fMRI构建的大脑功能网络具有很多重要的网络拓扑性质。研究静息态大脑功能网络，可以探索人脑的功能组织模式，有助于理解人脑在正常或疾病状态下的功能活动规律，具有比较明确的生理意义与病理意义。如患有抑郁症、精神分裂症、癫痫等脑部疾病的病人，其大脑结构的异常往往伴随着相应的功能弱化，其大脑功能网络已经发生改变。构建大脑功能网络的方法不同，网络中的特征也会不同，所以构造大脑功能网络是一个非常重要的步骤。

大脑的功能连接可以反映整个大脑的状况，并且对各种脑部疾病的病理机制的探索和研究起着重要的作用。传统研究方法仅关注两个大脑区域之间的成对关系，不能形象地表示多个大脑区域之间的功能交互或高阶关系。

发明内容

本发明的目的是为了提供一种大脑功能网络的超图表示方法，克服以往大脑功能网络模型中节点之间的关系仅来自于数据本身属性的弊端，挖掘多个脑区之间的功能交互和高阶关系。

为解决以上技术问题，本发明的技术方案为：大脑功能网络的超图表示方法，步骤包括：

步骤1：获取大脑的静息态功能磁共振成像数据；

步骤2：将静息态功能磁共振成像数据根据标准分区模板配准到不同脑区，得到所有脑区的时间序列；

步骤3：采用滑动窗口将整个时间序列划分为多个重叠的子序列，并对子序列进行中心化和标准化后获得时间序列矩阵；

步骤4：根据时间序列矩阵来构建动态大脑功能网络，并将大脑功能网络转化为优化模型；步骤5：采用最邻近结点算法构建动态大脑功能网络的超图G；