一种基于脑功能网络的脑体积萎缩预测方法技术

一种基于脑功能网络的脑体积萎缩预测方法，其步骤如下：一、功能图像数据的处理、功能数据的分析及脑体积计算；二、建立脑功能网络；三、计算脑网络的平均路径长度和聚集系数；四、建立脑体积萎缩的预测模型；通过以上步骤，本发明专利技术建立了脑功能网络的拓扑特性与脑萎缩信息的映射关系，提出一种基于脑功能网络的脑体积萎缩预测方法；本发明专利技术具有预警性、系统性和鲁棒性，其研究结果将对未来发生的脑体积萎缩预测提供强有力的方法支承，可实现脑萎缩的早期防治。

A Prediction Method of Brain Volume Atrophy Based on Brain Functional Network

【技术实现步骤摘要】
一种基于脑功能网络的脑体积萎缩预测方法
本专利技术提供一种基于脑功能网络的脑体积萎缩预测方法，它涉及一种基于fMRI功能相关性网络指标对老化或痴呆导致的脑体积萎缩进行预测的方法，是复杂网络与脑科学的交叉

技术介绍
脑科学被称为是理解自然和人类本身的“终极疆域”，在科学界，“脑计划”已被认为是比人类基因组计划更伟大的工程。人类在揭示大脑奥秘的道路上一直在孜孜不倦地探索。继欧盟率先启动“人脑工程”后，美国、日本亦相继启动了相关脑研究计划。中国脑计划可以概括为“一体两翼”：一体是以理解大脑的认知基础为中心，两翼分别是脑疾病诊断、治疗和类脑智能技术的发展。2014年年底中国将“脑计划”项目列为国家重点科研项目，2015年中国科学家对脑科学与类脑研究在中国“一体两翼”的部署达成了初步共识。尽管脑疾病研究已经引起世界各国的重视，然而各类脑疾病的研究依然面临很多问题。例如，老年脑萎缩是以病理改变命名的一种脑病，是指由于先天遗传因素、出生缺氧窒息、长期用脑过度、脑感染、脑膜炎、脑出血、脑血栓、脑栓塞、脑动脉硬化、脑血管畸形、颅脑外伤、脑部肿瘤、长期饮酒(酒精中毒)、一氧化碳中毒、其他化学药品中毒、癫痫、高度营养不良、甲状腺功能病变、滥用镇静安眠药、滥用激素等原因所引起的脑组织结构体积缩小，脑实质减少，脑重量减轻，细胞数目减少，脑回变平，脑沟增宽增深，脑室、脑池和蛛网膜下腔扩大。并有轻度胶质增生及脑动脉不同程度退行性病变，是一种慢性进行性疾病，主要表现为记忆力减退，情绪不稳，思维能力减退，注意力不能集中，严重时发展为痴呆，终至智力丧失为其临床特征。脑萎缩起病缓慢，不易被发觉，病程可达数年至数十年，逐渐加重，影响患者的正常生活和工作。脑萎缩患者的寿命与治疗情况有关。脑萎缩的治疗虽然不可能恢复到以前，但是成功率较高，只要及时治疗，患者就有康复的希望。相反，如果没有积极采取治疗，一般会引发其他疾病，致使疾病严重恶化。患者会没有正常思维能力，行动能力受限，可能还需要长期卧床，生理心情都会受到比较大的影响，可能会在几年内就发展到晚期，导致生命安全危险。轻度认知障碍(Mildcognitiveimpairment,MCI)是介于正常衰老和痴呆之间的一种中间状态，是一种认知障碍症候群。与年龄和教育程度匹配的正常老人相比，患者存在轻度认知功能减退，但日常能力没有受到明显影响。轻度认知障碍的核心症状是认知功能的减退，根据病因或大脑损害部位的不同，可以累及记忆、执行功能、语言、运用、视空间结构技能等一项或以上，导致相应的临床症状。阿尔兹海默病(Alzheimer'sdisease，AD)，是一种常见的神经退行性疾病，也是老龄人口中发病率最高的疾病之一。据国际阿尔茨海默病协会(ADI)发布的报告显示，2015年全球新发990万阿尔兹海默病患者，到2050年，全球患有阿尔兹海默病的人数将从目前的4600万人增加至1.315亿人。有关阿尔兹海默病的药物研发几乎没有取得任何突破性进展。因此，对脑萎缩进行早期防治不仅对个人和家庭意义重大，同时还将大幅减轻社会负担。脑网络是理解脑的“故障机理”的可能途径。现代网络科学将大脑理解为一个复杂系统。在过去的十年中，已经研究了从秀丽隐杆线虫(Caenorhabditiselegans)到人类的脑网络拓扑特征。正常的大脑网络是具有成本-效益平衡的小世界网络，它将强大的本地连接与有效的长距离连接相结合。高度互联的枢纽区域占优势，具有rich-club效应。此外，脑网络显示分层模块化，其中模块对应于主要功能系统，例如运动、感觉和记忆。对正常脑网络组织的更深入理解有可能解决神经和精神疾病的网络变化。例如，ZhijunYao等提出老年痴呆患者的脑网络与对照组相比聚类系数和平均路径长度显著增加，表征了老年痴呆患者脑网络小世界效应的减弱。综上所述，现有脑网络的研究仅仅认识到疾病影响下功能脑网络特征的改变，还无法根据功能网络特征对脑结构退化进行预测。本专利技术基于血氧水平依赖功能磁共振成像(BOLD-fMRI)脑功能数据、结构性磁共振(sMRI)脑结构数据和由Mini-MentalStateExamination(MMSE)或ClinicalDementiaRating(CDR)等量表得到的老年人认知水平数据。根据T1时刻血氧水平BOLD时间序列相关性关系建立脑功能相关性网络，计算得到脑功能网络的拓扑指标和C，预测T2时刻脑体积的萎缩值。如，我们可以建立网络指标和脑萎缩的多元线性回归模型：
技术实现思路
(一)专利技术的目的本专利技术的目的是：建立脑功能网络的拓扑特性与脑萎缩信息的映射关系，提出脑萎缩的预测模型，从而实现早期防治。本专利技术的理论基础：正常的脑功能网络是在成本约束下具有连通效率的小世界网络。脑功能网络的异常表征着脑运行机制的异常，而这种异常可用来指征大脑的退化程度。(二)技术方案本专利技术的技术解决方案：一种基于脑功能网络的脑体积萎缩预测方法。本专利技术基于BOLD-fMRI脑功能数据、sMRI脑结构数据和由Mini-MentalStateExamination(MMSE)或ClinicalDementiaRating(CDR)等量表得到的老年人认知水平数据。根据T1时刻BOLD时间序列相关性关系建立脑功能相关性网络，计算得到脑功能网络的拓扑指标和C，预测T2时刻脑体积的萎缩值。如，我们可以建立网络指标和脑萎缩的多元线性回归模型：本专利技术是一种基于脑功能网络的脑体积萎缩预测方法，其步骤如下：步骤一、功能图像数据的处理、功能数据的分析及脑体积计算；功能图像数据处理包括：校正、配准、归一化和平滑等过程；功能数据分析需采用适当的方法把真正的代表激活的像素提取出来，得到每个节点的BOLD时间序列Ei(t),i＝1,2,...,n,t＝t1,t2,...,tm；脑结构图像经分割划分出灰质、白质和脑脊液，进而计算得到脑体积；这部分作为公知，不做赘述；在时间T1获得的脑体积记为V1，在时间T2获得的脑体积记为V2；同时得到脑体积的萎缩量ΔV＝V2-V1；步骤二、建立脑功能网络；将节点i与j的BOLD时间序列Ei(t),Ej(t)进行相关性分析，具体可以使用皮尔逊(Pearson)相关系数、互信息、斯皮尔曼(Spearman)相关系数等，例如Pearson相关系数其中，E是数学期望，cov表示协方差，和是标准差；用相关性作为两节点之间的边权，对所有的边权进行排序，仅保留排序在前p％的权重较大的连边，得到网络的连边集Ej＝{e(v1,v2)}；步骤三、计算脑网络的平均路径长度和聚集系数；计算时间T1下功能脑网络的指标，包括平均路径长度和聚集系数C；其中平均路径长度的定义为：其中dij为节点i与节点j之间的最短路径长度；聚集系数C为：当节点i与节点j相连时aij＝1，否则为0；平均路径长度和集聚系数的计算为公知内容，不做赘述；步骤四、建立脑体积萎缩的预测模型；依据留出法、交叉验证法或自留法将数据集分为训练集和测试集；将训练集中每个人的脑功能网络指标作为自变量，对应的脑体积萎缩量作为因变量；对训练集建立多元线性回归模型求解线性回归模型，得到模型参数b0,b1,b2的值，根据测试集的脑网络指标得到相应脑体积萎缩预测值；建立预测模型的方法不局限本文档来自技高网...

【技术保护点】
1.一种基于脑功能网络的脑体积萎缩预测方法，其特征在于：其步骤如下：步骤一、功能图像数据的处理、功能数据的分析及脑体积计算；功能图像数据处理包括：校正、配准、归一化和平滑诸过程；功能数据分析需采用适当的方法把真正的代表激活的像素提取出来，得到每个节点的血氧水平BOLD时间序列Ei(t),i＝1,2,...,n,t＝t1,t2,...,tm；脑结构图像经分割划分出灰质、白质和脑脊液，进而计算得到脑体积；在时间T1获得的脑体积记为V1，在时间T2获得的脑体积记为V2；同时得到脑体积的萎缩量ΔV＝V2‑V1；步骤二、建立脑功能网络；将节点i与j的BOLD时间序列Ei(t),Ej(t)进行相关性分析，具体能使用皮尔逊即Pearson相关系数、互信息、斯皮尔曼即Spearman相关系数，例如Pearson相关系数

【技术特征摘要】
1.一种基于脑功能网络的脑体积萎缩预测方法，其特征在于：其步骤如下：步骤一、功能图像数据的处理、功能数据的分析及脑体积计算；功能图像数据处理包括：校正、配准、归一化和平滑诸过程；功能数据分析需采用适当的方法把真正的代表激活的像素提取出来，得到每个节点的血氧水平BOLD时间序列Ei(t),i＝1,2,...,n,t＝t1,t2,...,tm；脑结构图像经分割划分出灰质、白质和脑脊液，进而计算得到脑体积；在时间T1获得的脑体积记为V1，在时间T2获得的脑体积记为V2；同时得到脑体积的萎缩量ΔV＝V2-V1；步骤二、建立脑功能网络；将节点i与j的BOLD时间序列Ei(t),Ej(t)进行相关性分析，具体能使用皮尔逊即Pearson相关系数、互信息、斯皮尔曼即Spearman相关系数，例如Pearson相关系数其中，E是数学期望，cov表...

【专利技术属性】
技术研发人员：郭澍，李大庆，刘涛，刘浩，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11