[发明专利]一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法

摘要

本发明公开了一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法，属于脑网络分析技术领域；本发明通过数据预处理、脑网络划分、脑网络构建、持续同调构建脑网络过滤流、持续区间数据统计学分析与阿尔兹海默症脑网络特征提取实现对病人脑网络特征提取；本发明通过构建阈值可变的多尺度脑网络，避免了图论法中的阈值选取问题；其中网络复形流的持续特征发现机制，也可有效的减少计算负担，是一种行之有效的脑网络分析技术。将持续同调理论应用于阿尔兹海默症病人的脑分析领域，研究脑机制，发现疾病的脑网络连接特征，是一种创新性的研究思路，对于阿尔兹海默症的早期诊断、药物研制、诊疗方案制定具有重要意义。

主权项

1.一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法，其特征在于,包含以下步骤：步骤一：数据预处理；对阿尔兹海默症患者进行磁共振扫描，得到静息态功能磁共振数据；并对得到的磁共振时间序列数据做时间层校正、头动校正、标准化、平滑以及去除协变量预处理工作；步骤二：脑网络划分；选择脑区分割模板，对全脑图进行物理分割，确定脑网络连接中的节点；针对每个节点的脑区分割结果，提取步骤一中经过预处理的时间序列数据，并对每个脑区中各个体素的时间序列做总体均值化处理，得到一组时间序列值；步骤三：脑网络构建；利用步骤二中得到的每个脑区节点时间序列均值；假设第X个脑区中的时间序列数值为{X＝x₁,...,x_N}，第Y个脑区为{Y＝y₁,...,y_N}，其中N为时间节点的数量，做不同脑区之间的时间相关性分析，将得到的相关系数作为衡量连接强度的权重，从而确定脑网络连接中的边，最终构建出权重型功能脑网络；其中皮尔森相关系数计算公式为：步骤四：持续同调构建脑网络过滤流；选择均匀变化的多尺度阈值过滤步骤三中得到的权重型功能脑网络，得到基于不同阈值的过滤网络，并构建单纯脑网络复形流；在此过滤流网络中，考察网络变化过程中0阶贝蒂数与1阶贝蒂数的拓扑不变性特征的动态演变规律，记录这些特征在过滤网络中产生和消失的位置，得到持续同调过滤网络区间数据，并绘制barcode图；步骤五：持续区间数据统计学分析；采用单连接聚类法对步骤四中得到的持续同调区间特征做统计学分析；在barcode图中引入脑区节点位置信息，利用单连接树状图，重新计算节点之间的单连接距离，构建单连接矩阵用于比较脑网络特征差异；结合单连接层次聚类统计分析结果，最终得到具有脑区连接信息的单连接树状图，以及单连接矩阵；单连接距离计算公式为：d_X(x_i，x_j)＝min{max c_X(w_l，w_l+1)|x_i＝w₀，...，w_k＝x_j}其中，设脑网络为(X,c_X),d_X是节点x_i和节点x_j之间的单连接距离，{x_i＝w₀,...,w_k＝x_j}是节点x_i和节点x_j之间的一条路径；d_X的最小值是遍历节点x_i和节点x_j之间所有的路径；即为单连接矩阵；步骤六：阿尔兹海默症脑网络特征提取；结合步骤四中得到的barcode图，以及步骤五中得到的单连接树状图和单连接矩阵变化情况，从脑网络连接的角度，提取阿尔兹海默症病人持续同调过滤网络中拓扑不变量的局部脑连接特征和全局脑连接特征，作为阿尔兹海默症脑网络特征一；根据持续同调过滤网络中邻接矩阵的变化情况，提取不同脑区连接的动态过程作为阿尔兹海默症脑网络特征二，包括0维特征，即脑区连接情况,以及1维特征，即脑区之间构成拓扑不变量中的环结构的情况；步骤七：输出病人脑网络特征提取结果。