專(zhuān)利名稱(chēng)：一種聯(lián)合fmri和meg的腦區(qū)因果連接檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種利用腦功能成像技術(shù)的腦區(qū)因果連接檢測(cè)方法，尤其涉及一種聯(lián)合功能磁共振成像(FMRI)和腦磁圖描記術(shù)(magneto encephalography, MEG)進(jìn)行腦區(qū)因果連接強(qiáng)度和方向的檢測(cè)的方法。
背景技術(shù)：
隨著科學(xué)技術(shù)的進(jìn)步，無(wú)創(chuàng)性腦功能成像技術(shù)日新月異，為我們用多種成像技術(shù)進(jìn)行腦的認(rèn)知和研究提供了廣闊的舞臺(tái)。單一成像模態(tài)，由于成像機(jī)理決定了每一種成像技術(shù)都具有相應(yīng)的優(yōu)點(diǎn)和不足，因此沒(méi)有一種單一的適合所有實(shí)驗(yàn)研究或臨床應(yīng)用的成像方法。目前，功能磁共振成像(Functional Magnetic Resonance Imaging,FMRI)技術(shù)以其高空間分辨率、非侵入式等特點(diǎn)在神經(jīng)疾病診斷治療方面得到了廣泛應(yīng)用。FMRI技術(shù)是通過(guò)測(cè)量由神經(jīng)活動(dòng)引起的腦血流和腦血氧等成分變化而造成的磁共振信號(hào)變化來(lái)反應(yīng)人腦內(nèi)部活動(dòng)的。由于在代謝水平上測(cè)量磁共振信號(hào)的變化相較神經(jīng)元活動(dòng)具有一定的時(shí)間延遲，因此，F(xiàn)MRI技術(shù)僅能達(dá)到秒級(jí)時(shí)間分辨率精度。近年來(lái)，腦磁圖描記術(shù)(Magneto enc印halography，MEG)，又稱(chēng)腦磁圖儀，逐漸在神經(jīng)影像領(lǐng)域得到應(yīng)用。MEG技術(shù)可以實(shí)時(shí)測(cè)量腦內(nèi)神經(jīng)元之間信號(hào)傳遞時(shí)突觸后電位變化所產(chǎn)生的磁場(chǎng)信號(hào)，因此能夠準(zhǔn)確測(cè)量毫秒級(jí)神經(jīng)元電活動(dòng)，具有非常強(qiáng)的時(shí)間定位能力。但是由于該技術(shù)難以準(zhǔn)確定位顱內(nèi)信號(hào)源，其空間分辨率較低。因此，如果將FMRI技術(shù)與MEG技術(shù)的優(yōu)勢(shì)結(jié)合起來(lái)，我們就能達(dá)到同時(shí)提高空間分辨率和時(shí)間分辨率的目的。腦功能一般遵循兩個(gè)基本組織原則功能集成化和功能特異化。在大空間刻度上， 一個(gè)復(fù)雜的腦功能可能會(huì)由許多功能特異的腦區(qū)通過(guò)相互作用(集成)來(lái)完成；同時(shí)，某一特異性腦區(qū)也會(huì)對(duì)許多不同的刺激任務(wù)進(jìn)行表示或加工，通過(guò)精細(xì)空間刻度上不同的分布式腦活動(dòng)來(lái)對(duì)外部不同刺激進(jìn)行表示。人腦是一個(gè)復(fù)雜的系統(tǒng)，在不同狀態(tài)時(shí)期各個(gè)腦區(qū)之間的相互作用會(huì)發(fā)生變化，反映在腦區(qū)間的功能連接強(qiáng)度和方向上。格蘭杰因果分析 (Granger causality analysis,GCA)可以用于研究區(qū)域間的因果連接關(guān)系，為研究揭示人腦信息加工機(jī)制提供支持。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種同時(shí)具備高空間分辨率以及高時(shí)間分辨率優(yōu)勢(shì)的腦區(qū)因果連接強(qiáng)度及方向的檢測(cè)方法。為實(shí)現(xiàn)上述目的，本發(fā)明提出一種聯(lián)合FMRI和MEG的腦區(qū)因果連接檢測(cè)方法，包括以下步驟步驟Μ，對(duì)掃描腦區(qū)獲取的FMRI圖像進(jìn)行預(yù)處理，并從預(yù)處理后的FMRI圖像中提取激活區(qū)坐標(biāo)；步驟Sb，對(duì)掃描腦區(qū)獲取的MEG數(shù)據(jù)進(jìn)行預(yù)處理，并基于提取的FMRI激活區(qū)坐標(biāo)，提取與該激活區(qū)坐標(biāo)對(duì)應(yīng)的腦區(qū)的腦區(qū)時(shí)間序列；步驟&，依據(jù)提取的MEG腦區(qū)時(shí)間序列，計(jì)算腦區(qū)間的因果連接強(qiáng)度和方向，利用有向網(wǎng)絡(luò)圖顯示顯著的連接。本發(fā)明所述的聯(lián)合FMRI和MEG的腦區(qū)因果連接檢測(cè)方法，能夠有效地利用FMRI 高空間分辨率和MEG高時(shí)間分辨率的優(yōu)勢(shì)。真實(shí)試驗(yàn)數(shù)據(jù)結(jié)果表明，本發(fā)明比傳統(tǒng)的僅利用FMRI數(shù)據(jù)更完整準(zhǔn)確地檢測(cè)腦區(qū)因果連接，為腦功能數(shù)據(jù)分析和腦區(qū)因果連接檢測(cè)方法提供了一種新思路，在基于多模態(tài)醫(yī)學(xué)成像技術(shù)的腦認(rèn)知加工研究中具有一定的應(yīng)用價(jià)值。


圖1為本發(fā)明提供的聯(lián)合FMRI和MEG的腦區(qū)因果連接檢測(cè)的方法流程圖。圖2是實(shí)例中使用本方法檢測(cè)的腦區(qū)因果連接強(qiáng)度圖。圖3是實(shí)例中僅使用單一模態(tài)檢測(cè)的腦區(qū)因果連接強(qiáng)度圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。本發(fā)明主要考慮利用功能磁共振成像(FMRI)技術(shù)高空間分辨率的優(yōu)勢(shì)，定位大腦FMRI圖像上的關(guān)鍵神經(jīng)元位置信息，繼而在MEG技術(shù)獲得上述神經(jīng)元的高分辨率時(shí)間序列，從而在盡可能不丟失大腦信號(hào)活動(dòng)時(shí)空二維信息的前提下，利用格蘭杰因果分析方法進(jìn)行腦區(qū)因果連接強(qiáng)度及方向的精確檢測(cè)。圖1是本發(fā)明所涉及的一種腦區(qū)因果連接強(qiáng)度及方向的檢測(cè)方法的一個(gè)具體實(shí)施例，其具體涉及聯(lián)合利用功能磁共振成像(FMRI)和腦磁圖描記術(shù)(MEG)的腦區(qū)因果連接強(qiáng)度及方向的檢測(cè)方法。該實(shí)施例的具體實(shí)施步驟如下步驟Μ，對(duì)掃描腦區(qū)獲取的FMRI圖像進(jìn)行預(yù)處理，并從預(yù)處理后的FMRI圖像中提取激活區(qū)坐標(biāo)；1.對(duì)FMRI圖像進(jìn)行預(yù)處理由于在磁共振成像的掃描過(guò)程中，被試的頭動(dòng)、圖像內(nèi)層間掃描時(shí)間的差別以及外加磁場(chǎng)的不均勻性等各種因素均會(huì)影響采集到的FMRI圖像的質(zhì)量，因此我們需要在保留腦功能圖像細(xì)節(jié)的同時(shí)，通過(guò)使用腦功能磁共振圖像與標(biāo)準(zhǔn)模板進(jìn)行仿射配準(zhǔn)變換方式的預(yù)處理，提高腦功能圖像的信噪比。所謂仿射配準(zhǔn)變換方式是指進(jìn)行對(duì)原始圖像縮放，旋轉(zhuǎn)，平移后，根據(jù)原始圖像和標(biāo)準(zhǔn)模板間的共有特征進(jìn)行幾何配準(zhǔn)。所述預(yù)處理步驟包括切片掃描時(shí)間對(duì)齊、圖像序列對(duì)齊、配準(zhǔn)、標(biāo)準(zhǔn)化、平滑、濾波等。在本實(shí)施例中，對(duì)FMRI圖像依次進(jìn)行圖像序列對(duì)齊、配準(zhǔn)、標(biāo)準(zhǔn)化、空間平滑濾波。所屬技術(shù)領(lǐng)域的技術(shù)人員也可以根據(jù)實(shí)際需要采用其他預(yù)處理方式，或者上述預(yù)處理方式的任意組合。2.提取FMRI圖像的激活區(qū)坐標(biāo)一般來(lái)說(shuō)，提取激活區(qū)坐標(biāo)的方法有基于一般線(xiàn)性模型(GeneralLinear Model, GLM)的方法，模式分類(lèi)的方法和基于獨(dú)立成分分析(Ind印endent Component Analysis,ICA)的方法。其中基于ICA的腦功能激活成分提取模型如下設(shè)A e Rnxm為信號(hào)混合矩陣；X為腦功能信號(hào)的N維觀(guān)測(cè)向量，C為由M(N>M)維統(tǒng)計(jì)獨(dú)立的信號(hào)分量構(gòu)成的信號(hào)向量，其中包括與激活相關(guān)的腦功能信號(hào)分量。ICA分析法可以在混合矩陣A未知的情況下， 尋找線(xiàn)性映射w，從觀(guān)測(cè)的腦功能信號(hào)中提取不能被直接觀(guān)測(cè)的原始信號(hào)c ( y) :y = wTx
=wAco本發(fā)明采用基于數(shù)據(jù)驅(qū)動(dòng)的ICA方法，首先使用基于最小描述長(zhǎng)度(Minimum Description Length, MDL)準(zhǔn)則估計(jì)獨(dú)立成分?jǐn)?shù)，繼而采用基于互信息最大化的算法計(jì)算解混矩陣，分離源信號(hào)，獲得包含所需激活腦區(qū)的獨(dú)立成分及其Talairach坐標(biāo) (Talairach坐標(biāo)是國(guó)際公認(rèn)的一個(gè)標(biāo)準(zhǔn)化的腦圖譜坐標(biāo)系)。步驟Sb，對(duì)掃描腦區(qū)獲取的MEG數(shù)據(jù)進(jìn)行預(yù)處理，并且基于步驟&提取的FMRI圖像的激活區(qū)坐標(biāo)，提取與該激活區(qū)坐標(biāo)對(duì)應(yīng)的腦區(qū)的時(shí)間維度信息(即腦區(qū)時(shí)間序列)；1.MEG數(shù)據(jù)進(jìn)行預(yù)處理由于MEG數(shù)據(jù)在采集過(guò)程中容易受到環(huán)境噪聲的影響，我們有必要對(duì)其進(jìn)行預(yù)處理，以提高數(shù)據(jù)的信噪比；此外，由于MEG技術(shù)的高時(shí)間分辨率特性，采集的數(shù)據(jù)包含了大量的時(shí)間維度信息。因此，為保證計(jì)算精度與運(yùn)算時(shí)間的平衡，預(yù)處理步驟包括數(shù)據(jù)帶通濾波，合適的重復(fù)下采樣頻率等。在本實(shí)施例中，對(duì)MEG數(shù)據(jù)依次進(jìn)行0.5Hz-48Hz的帶通濾波和300Hz的下采樣頻率。所屬技術(shù)領(lǐng)域的技術(shù)人員也可以根據(jù)實(shí)際需要采用其他預(yù)處理方式，或者上述預(yù)處理方式的任意組合。2.提取與激活區(qū)坐標(biāo)對(duì)應(yīng)的腦區(qū)的時(shí)間維度信息如何從獲得的MEG數(shù)據(jù)得到某個(gè)局部腦區(qū)的時(shí)間序列信號(hào)，就其本質(zhì)來(lái)說(shuō)，其實(shí)是一個(gè)腦磁逆問(wèn)題，即利用掃描的磁場(chǎng)數(shù)據(jù)來(lái)推斷腦內(nèi)電流源的分布。已有研究證明了導(dǎo)體外的磁場(chǎng)數(shù)據(jù)無(wú)法唯一確定導(dǎo)體內(nèi)的電流分布，因此腦磁逆問(wèn)題是不適定的，我們必須在滿(mǎn)足條件的解集中通過(guò)施加一定限制條件找出合理的解。目前，腦磁逆問(wèn)題的求解方法主要分為兩大類(lèi)一類(lèi)基于圖像重建技術(shù)，其基本思想是將電流分布區(qū)域離散成網(wǎng)格，對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)處磁源進(jìn)行重建，重建的磁源參數(shù)主要是電流的強(qiáng)度。由于磁場(chǎng)方程中位置參數(shù)是非線(xiàn)性的，電流強(qiáng)度參數(shù)是線(xiàn)性的，重建時(shí)人為地限定了源的位置，因此磁場(chǎng)方程退化為線(xiàn)性方程。另一類(lèi)為偶極子定位法，該類(lèi)方法不限定磁源的位置，通常的求解過(guò)程是先建立一個(gè)目標(biāo)函數(shù)，然后通過(guò)調(diào)整源的參數(shù)使目標(biāo)函數(shù)達(dá)到極小，即通過(guò)執(zhí)行一個(gè)非線(xiàn)性?xún)?yōu)化過(guò)程來(lái)獲得磁源參數(shù)的解。本發(fā)明的實(shí)施例采用基于圖像重建技術(shù)的最小范數(shù)解(MinimumNorm Solution, MNS)求解方法。假設(shè)磁場(chǎng)方程組為D = LS，其中，D為測(cè)得的磁場(chǎng)信號(hào)值，S代表節(jié)點(diǎn)處電流，L為已知的增益矩陣，取決于網(wǎng)格節(jié)點(diǎn)及磁場(chǎng)探測(cè)點(diǎn)的位置與頭的電導(dǎo)率分布。麗S方法的限制條件是找到滿(mǎn)足方程組解中范數(shù)最小的S*,即S* = min{ S }，其中，| | ·| 一般取 Frobenius 2 范數(shù)，即 | S | = (STS)"2，其中τ表示矩陣的轉(zhuǎn)置。具體求解S*時(shí)可以采用基于M00re-Penr0se廣義逆L+的方法，即S* = L+D對(duì)于廣義逆L+的求解，本發(fā)明采用基于奇異值分解(Singular ValueDecomposition, SVD)的方法。設(shè)L為mXn階實(shí)矩陣(m < η)，其中，m為MEG掃描通道數(shù)，η為網(wǎng)格節(jié)點(diǎn)數(shù)。則對(duì)L進(jìn)行奇異值分解可得
L = U Σ Vt其中U= (U1,u2, -,um)為 mXm 階正交矩陣，V= (νι;ν2, -,vn)為 nXn 階正交矩陣，Σ為mXn階對(duì)角矩陣，即Σ= diagOi，δ 2，…，δ ρ)，其中P = m，且S1S δ2彡… 彡δ ρ彡0，若矩陣L的秩rank (L) = r，則上述序列中只有前r個(gè)值大于零，S卩δ2彡… ^ δΓ> 5r+1 = ...= δρ = 0那么奇異值分解可表述為
rL = UZVt =YjS1U1V^，其中，Ui(i = 1,2, ...，m)稱(chēng)為奇異值分解的左矢量，Vi (i =
/ 二 1
1,2,…，η)稱(chēng)為奇異值分解的右矢量。由此可求得Moore-Penrose廣義逆L+為
r ιL+=Y4-V1U71
i=\由此可根據(jù)S* = L+D求出MEG數(shù)據(jù)所隱含的源空間信息。從而根據(jù)ICA分析方法獲得的局部激活值最大點(diǎn)體素的坐標(biāo)，獲得該局部腦區(qū)的時(shí)間序列信息。步驟&，依據(jù)提取的MEG腦區(qū)時(shí)間序列，檢測(cè)腦區(qū)間的因果連接強(qiáng)度和方向，利用有向網(wǎng)絡(luò)圖顯示顯著的連接。目前，檢測(cè)腦功能因果連接強(qiáng)度和方向的方法主要有兩大類(lèi)采用動(dòng)態(tài)因果模型(Dynamic Causal Modeling, DCM)和格蘭杰因果分析(Granger Causality Analysis, GCA)。兩者不同的是，DCM需要預(yù)先選定相互作用的區(qū)域，并假設(shè)這些區(qū)域的任意兩個(gè)之間存在影響，這種預(yù)先假設(shè)的模型在驗(yàn)證一些有關(guān)大腦系統(tǒng)之間的假設(shè)時(shí)是起作用的，但如果對(duì)模型的指定出現(xiàn)偏差，就會(huì)導(dǎo)致錯(cuò)誤的結(jié)論。而GCA則無(wú)需事先假設(shè)兩點(diǎn)之間存在解剖結(jié)構(gòu)的連接性，能更加完整和魯棒地反應(yīng)大腦之間的相互連接性。本發(fā)明的實(shí)施例利用格蘭杰因果分析方法檢測(cè)研究腦區(qū)間的連接強(qiáng)度和方向。按照格蘭杰因果的定義，若欲判斷X是否引起Y，則考察Y的當(dāng)前值在多大程度上可以由Y的過(guò)去值解釋?zhuān)缓罂疾旒尤隭的滯后值是否能改善解釋程度，如果X的滯后值有助于改善對(duì) Y的解釋程度，則認(rèn)為X是Y的格蘭杰原因，Y是X的格蘭杰結(jié)果。格蘭杰因果關(guān)系檢驗(yàn)假設(shè)了關(guān)于X和Y每一變量的預(yù)測(cè)的信息全部包含在這些變量的時(shí)間序列中。其步驟如下1.將當(dāng)前的y對(duì)其所有的滯后項(xiàng)(yt_1; yt_2，…，yt_q)做有約束回歸，即
qyt =Yj^y t-r+ut
/ 二 1其中，y為一個(gè)激活區(qū)的時(shí)間序列，Ut為零均值白噪聲，q為模型階數(shù)，通過(guò)Akaike 信息準(zhǔn)則(Akaike Information Criterion，AIC)計(jì)算得到，AIC (q) = 21og(det( Σ ))+2qm2/NΣ = R(O)+ YjA(I)R(I)
/ 二 1其中X(t) = (Xl(t)，X2(t)，…，％(t))T，Xi(t) (i = 1，…，N)為第 i 個(gè)激活區(qū)的時(shí)間序列，R(n) = X(t)XT(t+n)是激活區(qū)時(shí)間序列矩陣X(t)步長(zhǎng)為η的協(xié)方差矩陣，Σ為噪聲協(xié)方差陣，m為激活區(qū)數(shù)目，N為時(shí)間點(diǎn)數(shù)目。由此可得有約束殘差平方和
權(quán)利要求
1.一種聯(lián)合FMRI和MEG的腦區(qū)因果連接檢測(cè)方法，其特征在于，包括以下步驟 步驟Μ，對(duì)掃描腦區(qū)獲取的FMRI圖像進(jìn)行預(yù)處理，并從預(yù)處理后的FMRI圖像中提取激活區(qū)坐標(biāo)；步驟Sb，對(duì)掃描腦區(qū)獲取的MEG數(shù)據(jù)進(jìn)行預(yù)處理，并基于提取的FMRI激活區(qū)坐標(biāo)，提取與該激活區(qū)坐標(biāo)對(duì)應(yīng)的腦區(qū)的腦區(qū)時(shí)間序列；步驟&，依據(jù)提取的MEG腦區(qū)時(shí)間序列，計(jì)算腦區(qū)間的因果連接強(qiáng)度和方向，利用有向網(wǎng)絡(luò)圖顯示顯著的連接。
2.如權(quán)利要求1所述的方法，其特征在于，步驟M中所述對(duì)掃描腦區(qū)獲取的FMRI圖像進(jìn)行預(yù)處理，至少包括對(duì)掃描腦區(qū)獲取的FMRI圖像進(jìn)行圖像序列對(duì)齊、配準(zhǔn)、標(biāo)準(zhǔn)化和空間平滑濾波。
3.如權(quán)利要求1所述的方法，其特征在于，步驟M中所述從預(yù)處理后的FMRI圖像中提取激活區(qū)坐標(biāo)，是采用基于數(shù)據(jù)驅(qū)動(dòng)的ICA方法實(shí)現(xiàn)的。
4.如權(quán)利要求3所述的方法，其特征在于，所述采用基于數(shù)據(jù)驅(qū)動(dòng)的ICA方法從預(yù)處理后的FMRI圖像中提取激活區(qū)坐標(biāo)，包括首先使用基于最小描述長(zhǎng)度準(zhǔn)則估計(jì)獨(dú)立成分?jǐn)?shù)，繼而采用基于互信息最大化的算法計(jì)算解混矩陣，分離源信號(hào)，獲得包含所需激活腦區(qū)的獨(dú)立成分及其Talairach坐標(biāo)。
5.如權(quán)利要求1所述的方法，其特征在于，步驟Sb中所述對(duì)掃描腦區(qū)獲取的MEG數(shù)據(jù)進(jìn)行預(yù)處理，至少包括對(duì)掃描腦區(qū)獲取的MEG數(shù)據(jù)進(jìn)行數(shù)據(jù)帶通濾波和下采樣頻率。
6.如權(quán)利要求1所述的方法，其特征在于，步驟Sb中所述基于提取的FMRI激活區(qū)坐標(biāo)，提取與該激活區(qū)坐標(biāo)對(duì)應(yīng)的腦區(qū)的腦區(qū)時(shí)間序列，包括采用基于圖像重建技術(shù)的最小范數(shù)解方法，對(duì)經(jīng)過(guò)預(yù)處理的MEG數(shù)據(jù)進(jìn)行腦磁逆問(wèn)題求解，獲得對(duì)應(yīng)FMRI圖像激活區(qū)坐標(biāo)的腦區(qū)時(shí)間序列。
7.如權(quán)利要求1所述的方法，其特征在于，步驟&中所述依據(jù)提取的MEG腦區(qū)時(shí)間序列計(jì)算腦區(qū)間的因果連接強(qiáng)度和方向，是利用從MEG數(shù)據(jù)中提取的腦區(qū)時(shí)間序列，使用格蘭杰因果方法分析時(shí)間序列之間的因果連接強(qiáng)度及方向。
全文摘要
本發(fā)明涉及一種聯(lián)合功能磁共振成像(FMRI)和腦磁圖描記術(shù)(MEG)的腦區(qū)因果連接檢測(cè)方法，該方法包括以下步驟首先，對(duì)經(jīng)過(guò)數(shù)據(jù)預(yù)處理的FMRI圖像進(jìn)行激活區(qū)坐標(biāo)的提取；然后，基于提取的FMRI激活區(qū)坐標(biāo)，在經(jīng)過(guò)預(yù)處理的MEG數(shù)據(jù)上提取對(duì)應(yīng)位置區(qū)域的腦區(qū)時(shí)間序列；最后，依據(jù)提取的MEG腦區(qū)時(shí)間序列，計(jì)算腦區(qū)間的因果連接強(qiáng)度和方向，利用有向網(wǎng)絡(luò)圖顯示顯著的連接。本發(fā)明所述方法是一種有效的聯(lián)合FMRI和MEG兩種成像模態(tài)的腦區(qū)因果連接檢測(cè)方法，能夠比僅利用FMRI圖像的檢測(cè)方法更完整準(zhǔn)確地檢測(cè)腦區(qū)因果連接。
文檔編號(hào)G06T5/00GK102496159SQ20111039369
公開(kāi)日2012年6月13日 申請(qǐng)日期2011年12月1日 優(yōu)先權(quán)日2011年12月1日
發(fā)明者尤優(yōu)博, 田捷, 白麗君 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所