[发明专利]一种基于脑功能成像的识别大脑认知状态的方法

摘要

本发明公开了一种基于脑功能成像的识别大脑认知状态的方法，包括以下步骤：输入脑核磁共振图像实验数据序列；预处理脑核磁共振图像实验数据；建立多维数据集：脑坐标维、脑区域维、实验时间序列维、认知状态维；特征提取；状态分类与识别。本发明通过提取已知任务状态脑图像的特征向量，训练支持向量机分类器，并使用该分类器，对未知脑图像的特征向量进行认知状态分类，当未知脑图像属于某个类别时，则该类别所属的认知状态就是未知脑图像的认知状态，从而达到识别大脑认知状态的目的。本发明建立的脑图像的多维数据集对脑图像进行二次分析、处理和整合，从而使脑图像的数据计算和分析更加方便、快捷和直观。

主权项

一种基于脑功能成像的识别大脑认知状态的方法，其特征在于：包括以下步骤：A、输入脑核磁共振图像实验数据序列脑核磁共振图像实验数据序列，在整个的实验过程中有两种不同的条件，分别形成任务组块和控制组块，每个组块持续一定时间，并在连续的扫描中交替出现；每隔一段固定时间，机器会采到一幅全脑加权像，它们构成一个离散的时间序列，记为{f(n)}，n为正整数；因此，组块持续时间可以使用扫描图像的数量代替，{f(n)}的长度l即总图像数由实验的周期数L与周期长度所决定，即l＝L×(c+t)，其中，c和t分别为每个实验周期内所获控制和任务的图像数；对于自变量n的每一个取值，{f(n)}都唯一地确定一幅全脑加权像，记为BOLD(n)；它既可能是属于控制组块的BOLDc(n)，又可能为属于任务组块的BOLDt(n)；所述的持续一定时间为14至20秒，所述的一段固定时间为2至3秒；B、预处理脑核磁共振图像实验数据首先是配准，将一个实验序列中的每一帧脑图像都与这个序列的第一帧脑图像对齐，矫正头动；然后使用蒙特利尔神经学研究所的MNI标准脑图谱对不同的脑图像进行空间标准化处理，将其转化为大小和朝向都相同的脑图像；最后对脑图像做高斯平滑，确保脑图像数据具有随机高斯场的性质，提高信噪比，由于对齐和标准化使各个体素点之间的关联性被改变，高斯平滑能够使相邻的体素点共享更多的信息；C、建立多维数据集用预处理后的脑图像建立多维数据集，该数据集包括：C1、脑坐标维；脑坐标维包括三个维度，即脑的三维空间立体坐标X、Y和Z轴；按真实的X、Y和Z三个坐标轴建立三个相应的维度；由于数据预处理中使用MNI标准图谱，该图谱没有对脑区的标注，因此需要将每个标准化后的体素点的坐标位置换算成有脑区标注的Talairach脑图谱下的坐标，以便建立体素点和所属脑区之间的对应关系；体素点坐标包括三个维度，即大脑的三维空间立体坐标X、Y和Z轴；对于MNI标准图谱下的体素点坐标x、y和z，它 对应的Talairach脑图谱坐标可由公式(1)计算x′＝0.99x y ′ = 0.9688 y + 0.046 z ifz ≥ 0 0.9688 y + 0.042 z ifz < 0 - - - ( 1 ) z ′ = - 0.0485 y + 0.9189 z ifz ≥ 0 - 0.0485 y + 0.839 z ifz < 0 获取Talairach脑图谱坐标后，查询该体素点所在的脑区，建立脑区域维和脑坐标维对应关系；C2、脑区域维；Talairach脑图谱将脑分成几十个不同的区域，脑区域维就代表这些区域；Talairach脑图谱共分五层，脑区域维呈现树形结构，分为从第一层到第五层五个等级；C3、实验时间序列维；实验时间序列维代表实验中每一幅扫描的脑图像；实验开始时的第一幅脑图像是第1个刻度，依此类推，按照时间顺序排列，维度上的每一个刻度代表一幅扫描的脑图像；C4、认知状态维；认知状态维代表实验的认知状态，当只有一个认知实验数据时，认知状态维有两个刻度，分别表示该认知任务和控制；当有多个认知实验数据时，则认知状态维有多个刻度，每个刻度表示一个认知任务，同时将这些实验中所有的控制数据汇总作为一个表示控制的刻度；C5、度量值；多维数据集是记录脑中各区或各体素点在实验过程中激活情况的数据，因此，度量值为体素点在步骤B预处理后的BLOD信号值；D、特征提取在多维数据集每一个实验时间刻度上，沿着脑区域维度上卷至第四层，然后沿实验时间序列维求平均值，形成一个平均值子集，将平均值子集中的数据分别与每个实验时间序列刻度上的对应脑区域上的数据值相除，使数据正规化；将处理后的多维数据集在每个实验时间序列刻度上切片，每个切片都是一个一维的特征向量——表示该时刻脑图像的特征向量；E、状态分类与识别完成每幅脑图像的特征提取后，将特征向量输入至一个支持向量机分类器中，该支持向量机使用线性核函数，在训练支持向量机时，任务组块时的脑图像为正样本，而控制组块时的脑图像为负样本；当有未知脑图像时，对该脑图 像重复步骤B、C和D，然后将提取的特征向量输入训练好的支持向量机，即可根据支持向量级分类结果判定，该脑图像的是否属于实验中的任务认知状态；当有多个认知状态时，使用支持向量机“一对多”的方法：假设共有k个认知状态，则建立k个支持向量机分类器，第i个分类器用第i类认知状态的脑图像作为正的训练样本，而将其他的所有脑图像作为负的训练样本，当有未知脑图像时，分别输入这k个支持向量机分类器依次计算结果，该脑图像的认知状态属于计算结果值最大的那个类别，即该类别所属的认知状态就是未知脑图像的认知状态。