一种基于互样本熵的肥胖病人功能影像分析方法技术

本发明专利技术公开了一种基于互样本熵的肥胖病人功能影像分析方法，其特征在于，包括以下步骤：采集大脑的静息态功能磁共振数据；挑选出感兴趣区域；提取每个感兴趣区域中体素的时间序列，对每个体素的时间序列进行上采样，然后计算任意两个感兴趣区域的互样本熵值；将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两个感兴趣区域的互样本熵值进行比较，确定肥胖发生或加重的原因。本发明专利技术的有益之处在于：以静息态的成像方式从肥胖病人生理基线水平入手，能够准确反映病人大脑生理活动的改变；把构建EEG信号脑网络的方法应用到了fMRI中，并利用上采样的方法克服了fMRI时间分辨率不高的问题；互样本熵克服了互近似熵计入自身匹配的问题。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，其特征在于，包括以下步骤：采集大脑的静息态功能磁共振数据；挑选出感兴趣区域；提取每个感兴趣区域中体素的时间序列，对每个体素的时间序列进行上采样，然后计算任意两个感兴趣区域的互样本熵值；将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两个感兴趣区域的互样本熵值进行比较，确定肥胖发生或加重的原因。本专利技术的有益之处在于：以静息态的成像方式从肥胖病人生理基线水平入手，能够准确反映病人大脑生理活动的改变；把构建EEG信号脑网络的方法应用到了fMRI中，并利用上采样的方法克服了fMRI时间分辨率不高的问题；互样本熵克服了互近似熵计入自身匹配的问题。【专利说明】
本专利技术涉及一种影像分析方法，具体涉及一种基于互样本熵的肥胖病人功能影像 分析方法，属于医学图像处理与分析
。
技术介绍
目前，脑网络的研究已经成为了脑科学研究领域的一个热点。大脑网络连接可分 为结构性脑网络、功能性脑网络和因效性脑网络。结构性脑网络主要基于MRI和DTI等能 反映脑的生理结构的影像手段来研究，而功能性脑网络和因效性脑网络主要基于EEG、MEG 和fMRI等能反映大脑功能成像的手段进行研究。其中，功能性脑网络是一种无向网络，而 因效性脑网络是一种特殊的功能性脑网络，其功能性连接是有向的。 基于EEG的脑网络的功能性研究已经开展了很多，也取得了许多成果。如对癫痫 病人的EEG信号研究发现：对应于癫痫发作前-发作中-发作后这3个阶段，病人的功能性 脑网络一次表现出趋向于随机网路-趋向于规则网络-趋向于随机网络的特性，也即功能 性脑网络的拓扑特性表现出随患病状态而变化的动力学行为。在AD (Alzheimer Disease， 阿尔茨海默病）病理研究中，Stam等人基于EEG信号构建网路发现AD病人在波段构建的 脑网络最短路径显著大于正常对照。在精神分裂症的研究中发现精神分裂症病人的节点连 接度减小，脑网络聚类系数也减小，最短路径增加，并且这些脑网络参数的变异与精神分裂 症病人的病程长短密切相关。在研究过程中，构建功能性脑网络的许多不同的方法也得到 了利用，例如相位同步、互相关、互信息熵、互近似熵等。 与此同时，基于fMRI的功能性脑网络也有很多成果。例如对AD的研究发现病人 脑网络的全局和局部（两个海马区）聚类水平都显著下降，这意味着病人大脑的功能性连 接出现全局性紊乱。另一项报道指出精神分裂症病人相对于正常对照者呈现出增大的功能 性连接。 目前，世界各国都面临肥胖这一全球性难题，它被世界卫生组织（WHO)定义为疾 病，是继心血管病和癌症之后对人类健康最具威胁的第三大因素，全球肥胖人数已超过4 亿（约占总人口的6%)，超重者人数约16亿（约占总人口的24%)，WH0预测：到2015年 将有23亿成人超重和7亿的肥胖者，而2008年底，我国肥胖人群已突破9000万，超重人数 超过2亿；预计未来十年我国肥胖人口将远远超过2亿，超重人口将超过6. 5亿。肥胖带来 的疾病危害主要有：II型糖尿病、冠心病、高血压、脂肪肝、中风、消化道疾病、骨关节炎和癌 症（结肠癌、直肠癌、乳腺癌、子宫癌等），此外，肥胖严重影响人们的生活质量，使社会接受 性降低，收入减少，心理负担加重，并增加公共健康系统的负担。 通过上面的介绍可以发现，很多在EEG使用的方法在fMRI中还没有得到应用。 同时，功能性脑网络的研究主要是针对脑疾病开展的，而像肥胖这样的非脑疾病的应用在 fMRI中还没有展开。
技术实现思路
本专利技术的目的在于提供，旨在 解决现在尚未了解的肥胖病人脑网络变化的问题，该方法可用于核团间相互连接作用关系 的描述，从而为肥胖的生理机制研究提供影像学证据。 为了实现上述目标，本专利技术采用如下的技术方案： -种基于互样本熵的肥胖病人功能影像分析方法，其特征在于，包括以下步骤： 步骤一：用磁共振仪器以静息态扫描模式采集大脑的功能磁共振数据； 步骤二：得到肥胖病人与正常被试者在静息态下大脑功能的差异区，挑选出与饮 食肥胖相关的大脑核团，将前述大脑核团定义为感兴趣区域； 步骤三：提取每个感兴趣区域中体素的时间序列，并对每个感兴趣区域的体素的 时间序列进行上采样，然后利用上采样后的时间序列计算任意两个感兴趣区域的互样本熵 值； 步骤四：将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两 个感兴趣区域的互样本熵值进行比较，当二者的互样本熵值不相等时，则确定肥胖病人的 该两个感兴趣区域代表的两个回路之间的相互作用关系发生了改变，这两个回路之间的相 互作用关系的改变就是肥胖发生或加重的原因。 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，步骤三的具体 过程为： (1)从所有感兴趣区域中任意选出两个区域组成一对，分别记为感兴趣区域X、 感兴趣区域Y，假设感兴趣区域X由i个体素组成，则每个体素分别记为体素 Xl、体素 χ2、体 素 χ3、......、体素 Xi，假设感兴趣区域Y由j个体素组成，则每个体素分别记为体素 yi、体素 y2、体素又3、......、体素 yj; (2)分别提取体素 Xl和体素 y的时间序列，然后对提取的时间序列进行上采样， 上采样后的时间序列分别记为时间序列Xi (t)、时间序列yi (t)、时间序列y2 (t)、时间序列 y3(t)、......、时间序列y」(t); _7] (3)计算体素 Xl的上采样后的时间序列Xl (t)与感兴趣区域Y之间的互样本熵值 Q1Y: ①分别计算时间序列Xl⑴与时间序列yi⑴、时间序列y 2⑴、时间序列 y3(t)、……、时间序列y」(t)之间的互样本熵值，分别计作互样本熵值Qn、互样本熵值Q 12、 互样本熵值q13、......、互样本熵值％ j ; ②将互样本熵值Qn、互样本熵值Q12、互样本熵值Q 13、......、互样本熵值Qu_求和， 然后求出平均值，该平均值即为时间序列Xl (t)与感兴趣区域Y之间的互样本熵值，记为互 样本熵值Q1Y; (4)用同样的方法计算感兴趣区域X中其他体素的上采样后的时间序列与感兴趣 区域Y之间的互样本熵值，该互样本熵值分别记为互样本熵值Q 2Y、互样本熵值Q3Y、……、互 样本熵值QiY; (5)计算感兴趣区域X与感兴趣区域Y之间的互样本熵值： 将互样本熵值Q2Y、互样本熵值Q3Y、......、互样本熵值Q iY求和，然后求出平均值， 该平均值即为感兴趣区域X与感兴趣区域Y之间的互样本熵值，记为互样本熵值Qxy。 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，在步骤一中，还 包括对前述数据进行预处理分析的过程，前述预处理分析包括： (1)对采集到的大脑功能磁共振数据进行时间矫正； (2)对时间矫正后的数据进行头动矫正； (3)对头动矫正后的数据使用EPI模板进行空间标准化； (4)对空间标准化后的数据进行空间平滑。 前述的基于互样本熵的肥胖病人功能影像分析方法，其特征在于，对头动矫正后 的数据进行空间标准化的过程包括以下步骤： ①将头动矫正后的数据采用12本文档来自技高网...

【技术保护点】
一种基于互样本熵的肥胖病人功能影像分析方法，其特征在于，包括以下步骤：步骤一：用磁共振仪器以静息态扫描模式采集大脑的功能磁共振数据；步骤二：得到肥胖病人与正常被试者在静息态下大脑功能的差异区，挑选出与饮食肥胖相关的大脑核团，将所述大脑核团定义为感兴趣区域；步骤三：提取每个感兴趣区域中体素的时间序列，并对每个感兴趣区域的体素的时间序列进行上采样，然后利用上采样后的时间序列计算任意两个感兴趣区域的互样本熵值；步骤四：将肥胖病人的任意两个感兴趣区域的互样本熵值与正常被试者相应的两个感兴趣区域的互样本熵值进行比较，当二者的互样本熵值不相等时，则确定肥胖病人的该两个感兴趣区域代表的两个回路之间的相互作用关系发生了改变，这两个回路之间的相互作用关系的改变就是肥胖发生或加重的原因。

【技术特征摘要】

【专利技术属性】
技术研发人员：张毅，姚建亮，刘菊，张官胜，王婧，罗回春，蔡伟伟，朱强，刘道民，田捷，刘一军，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61