一種采集大腦功能連接自發波動變異性方法與流程

本發明屬于靜息態功能磁共振技術的動態功能連接技術領域，特別涉及一種采集大腦功能連接自發波動變異性方法。

背景技術：

人腦是一個極其復雜且高效的網絡系統，腦區間的協調工作將空間分離的腦區聯系起來，使其構成一個拓撲網絡。基于功能連接的研究表明，利用fMRI技術采集到的一些腦區之間的BOLD信號存在高度的時域同步性。研究人員通過采集人腦在特定生理狀態下的fMRI數據，計算不同腦區的BOLD信號之間的相關性，構建大尺度的腦區功能連接網絡，從而來估計在這種生理狀態下不同腦區之間的聯系。盡管基于靜息態fMRI技術的大腦功能連接的研究引起越來越多研究者的關注，并且在研究大腦認知功能領域取得了很大的進步。但是，靜息態功能連接(resting-state function connectivity,RSFC)的估計在很大程度上是受限的，因為以往的研究中，fMRI采集的時間通常是5到30分鐘，這隱含的假設在采集時間內大腦的信號之間的關聯關系在時間和空間上是恒定的，也就是，掃描時間內腦區之間靜息態功能連接為一個固定不變的值。這個假設避免了整個大腦連接極其復雜的分析，為研究帶來了很多方便。但是，它太過于簡單，這個假設表示的是復雜的時間和空間現象的平均值。因此，為了更深入的了解大腦網絡的基本性能，在最近幾年有人提出并證明了動態功能連接的概念：靜息態下大腦的功能連接隨著時間的變化存在一定的波動性。但是怎么描述功能連接的波動性，就成了一個亟待解決的問題。

技術實現要素：

針對現有技術存在不足，本發明提出一種采集大腦功能連接自發波動變異性方法，本發明旨在利用圖像數據，進行特征提取，進而用于數據分析，填補了描述動態功能連接變異性的指標缺乏的空白。

為了解決現有技術中存在技術問題，本發明采用如下技術方案：

一種采集大腦功能連接自發波動變異性方法，包括如下步驟：

步驟一，利用磁共振掃描儀記錄人腦靜息態過程中的血氧水平依賴信號，獲得fMRI數據；

步驟二，對fMRI數據進行濾波處理選取低頻信號；

步驟三，對低頻信號進行相關系數的度量算法獲得功能連接值FC；

步驟四，在選取的低頻信號以及功能連接值FC的基礎上通過滑動窗法構建動態功能連接序列dFC；

步驟五，對動態功能連接序列dFC進行低通濾波處理后按照公式(1)獲得動態功能連接序列dFC＝[FC₁,FC₂,...FC_n]的平均值；

步驟六，對步驟五中動態功能連接序列dFC＝[FC₁,FC₂,...FC_n]按照公式(2)獲得功能連接變異性模型。

所述步驟二中的低頻信號范圍為0.01Hz-0.08Hz。

本發明有益效果：

第一，本發明提出了一種定量檢測兩個腦區之間功能連接動態變化的方法，量化了功能連接自發波動的幅度，反映了功能連接自發波動或時變的能力。

第二，本發明證明了動態功能連接的存在，填補了描述動態功能連接變異性的指標缺乏的空白，為大腦的功能連接的研究提供了方法學的支持。

第三，本發明實現一體功能連接自發波動的幅度，反映功能連接自發波動或時變的能力，進而為后續研究的分析提供基礎數據。

附圖說明

圖1是本發明一種采集大腦功能連接自發波動變異性的方法流程圖；

圖2是本發明涉及動態功能連接曲線圖；

圖3是本發明涉及功能連接變異性矩陣圖；

圖4是本發明涉及青年組與老年組的功能連接變異性結果比較圖。

具體實施方式

下面結合附圖對本發明做出詳細地說明：

本發明設計基于一種定量測量大腦功能連接自發波動的量化指標和技術方法，可應用到基于靜息態功能磁共振技術的動態功能連接研究。其技術流程是：用磁共振掃描儀記錄人腦靜息態過程中的血氧水平依賴(Blood Oxygen Level Dependence,BOLD)信號，提取時間序列，按照一定的方法，構建動態功能連接序列，然后計算其動態功能連接序列的標準差，即功能連接變異性(Functional Connectivity Variability,FCV)，用來描述大腦功能連接的波動性。基于fMRI數據設計定量描述大腦功能連接自發波動指標方法的流程圖如圖1所示。流程包括，數據采集，數據預處理(濾波處理)，動態功能連接序列的構建以及特征提取。具體內容如下：

如圖1所示，本發明為一種采集大腦功能連接自發波動變異性方法，包括如下步驟：

步驟一101，利用磁共振掃描儀記錄人腦靜息態過程中的血氧水平依賴信號，獲得fMRI數據；

步驟二102，對fMRI數據進行濾波處理選取低頻信號；所述步驟二中的低頻信號范圍為0.01Hz-0.08Hz。本發明的數據描述是基于實現的過程中所用到的數據為在磁共振掃描儀中用功能磁共振成像序列檢測樣品得到的時間序列信號。取樣本中任意兩個空間體素或者區域平均(記為N₁,N₂)的時間序列，設信號為S₁和S₂，數據長度為L個時間點，采樣周期為TR。數據采集之后，需要進行一個濾波處理，即將某個頻段的信號去除，功能磁共振成像中數據的預處理排除高頻信號，因為只有低頻信號(0.01Hz-0.08Hz)能夠反映大腦的自發神經活動。

步驟三103，對低頻信號進行相關系數的度量算法獲得功能連接值FC；本發明中功能連接(function connectivity,FC)的計算分為兩個步驟，首先計算不同腦區信號之間的相關系數corr，然后相關系數經過fisherZ變換，得到功能連接值FC；本研究使用的相關系數的度量方法是皮爾森相關分析方法。皮爾森相關系數是Pearson在19世紀80年代提出的，用于度量兩個變量X與Y之間的線性相關，其值介于-1與1之間。符號的變化反映變量之間相關性的方向，正數表示正相關，負數表示負相關。其中，1表示X和Y具有很好的線性關系，所有的數據點可以很好地擬合成一條直線，且Y隨著X的增加而增加；-1表示X與Y具有很好的線性相關，然而Y隨X的增加而減少；0表示不存在相關性。計算公式如下：

fisherZ變換的作用是使功能連接值符合正態分布。corr經過fisherZ變換可以得到功能連接FC。

步驟四104，在選取的低頻信號以及功能連接值FC的基礎上通過滑動窗法構建動態功能連接序列dFC；本發明中動態功能連接構建采用滑動窗法。首先選取一定寬度的時間窗，設寬度為w，然后按照一定的步長，記為s，依次在采集時間序列上滑動，并計算每一個滑動窗下的時間序列兩兩之間的相關性，然后經過fisherZ變換，得到該時刻的功能連接值，記為FC_i(i為時刻)，逐步滑動時間窗，即可得到一個隨時間變化的功能連接序列[FC₁,FC₂,...FC_n]，其中，n＝L-w+1，這個序列即為動態功能連接(dynamic functional connectivity,dFC)，即dFC＝[FC₁,FC₂,...FC_n]，具體流程如圖2中顯示的是24TR的時間窗，通過按照一定的步長依次滑動，得到172個FC值，形成一個隨時間變化的功能連接序列，即為動態功能連接序列，這個序列能反應出兩個節點之間的功能連接隨時間動態變化的情況。

步驟五105，對動態功能連接序列dFC進行低通濾波處理后按照公式(1)獲得動態功能連接序列dFC＝[FC₁,FC₂,...FC_n]的平均值；

步驟六106，對步驟五中動態功能連接序列dFC＝[FC₁,FC₂,...FC_n]按照公式(2)獲得功能連接變異性模型。

本發明構建完成了動態功能連接序列，即需要一個指標來量化功能連接的波動情況進行特征提取。

在特征提取之前，需要對動態功能連接序列進行濾波處理。因為使用滑動窗構建dFC，會加入高頻噪聲，所以要對dFC序列進行低通濾波。

功能連接變異性(Functional Connection Variability,FCV)表征一定時間內功能連接波動的大小，反映一段時間內，大腦功能連接的總體變化，用動態功能連接序列的標準差(Standard deviation，SD)表示。標準差越大表示功能連接的變異性越大，反之表示功能連接的變異性越小。

對于動態功能連接序列dFC＝[FC₁,FC₂,...FC_n]其平均值為：

此動態功能連接序列的標準差即功能連接變異性為：

在這里進一步通過一個實例來展示本研究的發明。圖3展示的是利用10分鐘的BOLD信號系列，構建的一個動態功能連接序列；圖4是利用根據動態功能連接序列提取的功能連接變異性指標進行進一步分析的結果，圖4中兩張圖分別為青年組和老年組的單樣本T檢驗，方框內的表示各個子網絡的連接，藍色表示FCV顯著小于總體均值的連接，紅色表示FCV顯著大于總體樣本的連接。從圖中可以看出，與青年被試相似，老年被試全腦T檢驗的結果也存在一些模塊化的特征，然而，與青年被試相比，這種模塊化特征較不明顯，更多的連接的FCV趨于總體均值，這也意味著老年被試的網絡內的功能連接波動性相對增強，而網絡間功能連接波動性相對減弱。這可能與老化腦的信息傳遞、交流有關。

FCV作為一個量化功能連接波動性的指標，在進行研究上有重要的作用。

本發明提出的動態功能連接變異性這個指標，量化了功能連接的波動性，反映了功能連接自發波動或時間的能力。這個方法的提出可以填補在量化動能連接波動性方面的空白，同時，能為進一步研究動態功能連接的波動性提供支持。上述實例僅用于說明本發明，其中各部件的結構、材料、連接方式都是可以有所變化的，凡是在本發明技術基礎上進行的等同變換和改進，均不應該排除在本發明的保護范圍之外。