【技術實現步驟摘要】
本專利技術適用于功能磁共振成像與腦網絡分析領域，提供了一種集成大腦網絡拓撲與物理約束的認知活動預測方法。
技術介紹
1、人腦是世界上最復雜的系統之一，其作為核心系統支持人類自適應地完成各種任務。研究腦結構與功能，進一步開發腦、保護腦具有深遠意義，也一直是眾多領域和研究者探索的熱門方向。其中，把大腦抽象成一個稀疏的復雜網絡探究其功能為一個重要方向，將網絡里的節點表示各腦區，邊代表各功能腦區間的連接強度。利用腦網絡的拓撲結構信息剖析大腦的工作原理并進一步在實際臨床上應用也取得了重大進展。
2、目前磁共振成像作為一種非侵入腦成像技術得到廣泛應用，為探究腦功能與結構提供了一種有效工具。磁共振成像技術以可探究全腦活動和具有較好的時間與空間分辨率成為很多研究者的重要工具。為了探究人腦執行各種任務的過程，研究者們設計各種實驗范式，讓被試執行特定任務以探索任務誘發的認知過程。一般稱在執行特定任務時誘發的腦活動為任務態腦激活，主要用以刻畫人類在完成特定任務時大腦的響應。此外，相較于任務態，將被試在不執行任何任務時大腦活動稱為靜息態腦活動。利用靜息態磁共振成像數據構建腦網絡挖掘腦功能的組織特性也有著大量研究。
3、然而，在當前大多數研究中通常將靜息態與任務態分開進行探究，并未深入挖掘二者之間的關系。近年提出了的活動流模型，考慮將靜息態數據構建的腦網絡作為一種基礎路徑，與任務態結合起來，用以預測特定腦區的激活，并取得了很好的預測效果，同時也為靜息態和任務態間的結合提供了一條途徑。但在預測中，其預測僅考慮一對腦區的功能連接，未能
技術實現思路
1、本專利技術的目的是針對現有技術不足，提供了一種集成網絡拓撲和物理約束的認知活動預測方法。考慮大腦的層級組織，重新構建腦區間的功能連接，所獲得的非對稱功能連接表征腦區間的不同相互影響。再考慮大腦本身物理約束特性即各腦區間的物理距離。最后，聯合兩種特性完成腦區激活預測。
2、為實現上述目的，本專利技術采用以下技術方案：
3、一種集成網絡拓撲和物理約束的認知活動預測方法，包括以下步驟：
4、步驟一、對靜息態磁共振成像進行預處理，并構建功能連接，對于任務態磁共振成像，根據不同任務范式計算腦激活；
5、步驟二、對于構建的功能連接，使用dijkstra算法計算任意兩點間的最短距離，并形成最短距離連接矩陣；
6、步驟三、通過相應的腦分區劃分模板，計算各腦區間的物理距離；
7、步驟四、根據步驟二計算出的距離連接矩陣，利用其自身的功能拓撲結構計算腦區間的不同影響，形成具有方向的非對稱路徑連接矩陣；
8、步驟五、根據腦區間的網絡拓撲和物理約束預測不同任務的認知激活。
9、為優化以上技術方案，采取的具體措施還包括：
10、進一步地，所述步驟一中，對于靜息態磁共振成像使用264腦區模版進行劃分，提取對應腦區的時間序列，并基于時間序列使用pearson相關系數構建功能性網絡。此時每個樣本都會形成一個全連接加權網絡，對于給定任務，根據任務范式設計和一般線性模型（general?linear?model,?glm）計算任務執行時相較于基線水平下的各腦區的顯著波動情況，即對一給定任務，形成1?x?264的向量。
11、進一步地，所述步驟二中，對于靜息態構建的功能連接，根據連接強度，計算得到任意腦區間的最短距離，并形成距離矩陣sp。
12、進一步，所述步驟三中，根據步驟一中腦區劃分模板，對于任意兩腦區物理距離采用歐幾里得距離進行度量，即對于i與j?腦區在模板中的三維空間坐標和,則兩腦區物理距離為：
13、
14、依次計算得到全腦任意一對腦區的物理距離矩陣d。
15、進一步，所述步驟四中，根據第二步構建的路徑連接矩陣，對于利用每個樣本構建的路徑連接，根據每個腦區的拓撲屬性，構建非對稱網絡，對于樣本路徑連接sp中對于腦區i來說，其到腦區j的路徑連接，計算如下：
16、
17、其中，上式右側第一項表示根據腦區拓撲屬性對原始路徑連接縮放系數，第二項表示原始路徑連接。具體地，為從腦區i到j的非對稱路徑連接,?表示為從腦區i到腦區t原始路徑連接，是在連接矩陣中，腦區i與其他所有腦區有連接的數目。同樣，表示腦區?j到腦區i的非對稱路徑連接，與并不相同。
18、進一步，所述步驟五中，根據上述計算的物理距離與非對稱路徑連接，則樣本在某項任務上腦區i的激活可通過以下公式進行預測：
19、
20、?其中，表示i腦區的預測激活值，表示除i腦區以外的j腦區激活，為腦區i?到腦區?j?的非對稱路徑連接，表示在步驟三中計算得到腦區i和?j?在標準物理空間中的歐幾里得距離。
21、本專利技術立足于神經科學理論，結合腦區功能多層次理論與物理特征，充分挖掘了大腦信息傳遞特性。在真實數據集上，提出的預測模型相比現有方法具有更高的預測能力。
22、本專利技術提供的一種集成網絡拓撲和物理約束的認知活動預測方法，具有以下效果：通過構建的功能網絡，計算最短路徑連接，根據每個腦區的連接權值分布不同，重新構建不同腦區的非對稱性路徑連接，并進一步結合不同腦區的物理空間分布，將網絡拓撲與物理約束結合更加精確表達了認知信息的傳遞，增強了模型在不同任務預測中的性能。
本文檔來自技高網...【技術保護點】
1.一種集成網絡拓撲和物理約束的認知活動預測方法，其特征在于，包括以下步驟：
2.如權利要求1所述集成網絡拓撲和物理約束的認知活動預測方法，其特征在于，所述步驟一，具體為：對靜息態與任務態功能磁共振數據根據模版劃分為264個腦區；對靜息態數據處理成對應長度的時間序列，使用Pearson相關系數構建功能性腦網絡，此時構建的腦網絡為對稱加權網絡；對任務態功能磁共振數據預處理并利用一般線性模型GLM估計得到腦區激活。
3.如權利要求1所述集成網絡拓撲和物理約束的認知活動預測方法，其特征在于，所述步驟二，對于創建的原始功能連接，利用Dijkstra算法計算任意兩點間的最短距離，形成最短距離連接矩陣SP。
【技術特征摘要】
1.一種集成網絡拓撲和物理約束的認知活動預測方法，其特征在于，包括以下步驟：
2.如權利要求1所述集成網絡拓撲和物理約束的認知活動預測方法，其特征在于，所述步驟一，具體為：對靜息態與任務態功能磁共振數據根據模版劃分為264個腦區；對靜息態數據處理成對應長度的時間序列，使用pearson相關系數構建功能...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。