【技术实现步骤摘要】
本专利技术涉及医学图像处理，具体涉及一种脑功能图谱的绘制系统。
技术介绍
1、19世纪初，德国神经解剖学家korbinian brodmann首次绘制人类大脑图谱(brodmann脑图谱)，指出了大脑的不同区域是负责不同功能的。从此，脑图谱一直是脑科学研究的重要方向。人类大脑如何分区，区域的界限及这些区域之间的联系，对脑科学基础及临床研究具有重要的意义。
2、长期以来，因为对人脑的不了解和技术的局限，脑图谱只能通过“群体”的方式绘制，也就是研究一群人的大脑，进行统计分析来画出“平均”的图谱。“群体”脑图谱可发现很多人类共性和规律，在科研上很有意义。目前代表美国脑图谱的就是“群体”图谱，这个脑图谱是由glasser等人于2016年发在nature上(glasser et al，nature，amulti-modalparcellation of human cerebral cortex，2016)。
3、但在临床上，医生关注的是病人个体，需要的是“个体”脑图谱。事实上，人类的大脑千差万别，没有两个人的大脑是完全相同的(mueller et al,neuron,individualvariability in functional connectivity architecture of the human brain,2013)。“群体”脑图谱抹杀了个体的独特性，在临床上意义有限，甚致有误导性。所以，“个体”脑图谱的绘制是一个非常需要但一直没有解决的问题。
4、专利us 9,662,039 b
技术实现思路
1、本专利技术主要解决的技术问题在于提供一种脑功能图谱的绘制方法，克服现有技术绘制高精度个体脑功能图谱中存在的稳定性低、抗噪声性弱、结果不可靠等问题，以实现准确可靠的绘制出个体的全脑功能网络，在不同的精度下都具有高稳定性、高可靠性和低噪声。本专利技术要解决的技术问题还在于提供一种脑功能图谱的绘制系统。
2、为解决上述技术问题，本专利技术采用的技术方案如下：
3、本专利技术第一方面提供一种脑功能图谱的绘制方法，包括：利用脑功能图谱模板对个体的脑功能图谱进行初始化，得到初始的个体脑功能图谱，该初始的个体脑功能图谱将个体大脑分为多个功能区；将初始的个体脑功能图谱分为若干个大区，每个大区包括若干个功能区；进入迭代，每一次迭代过程包括：依次计算每个大区中的每个体素与该大区中的每个功能区的连接度，将每个体素调整到与该体素的连接度最高的功能区，直至完成对所有体素的调整；在满足终结条件时，终止迭代，得到最终的个体脑功能图谱。并且，可基于最终的个体脑功能图谱，生成相应的报告和/或图像。
4、在第一种可能的实现方式中，每一次迭代过程具体包括：根据每个功能区中的所有体素的时间序列信号，计算每个功能区的参考时间序列信号；确定一个未经调整的体素为当前体素；计算当前体素的时间序列信号和当前大区中的各个功能区的参考时间序列信号的相关值，该相关值作为当前体素与当前大区中的各个功能区的连接度，所述当前大区是当前体素所属的大区；将当前体素调整到与当前体素的连接度最高的功能区；判断是否所有体素都已经完成一次调整，若否，则返回所述确定一个未经调整的体素为当前体素的步骤；若所有体素都已经完成一次调整，则结束该次迭代过程。
5、结合第一种可能的实现方式，在第二种可能的实现方式中，进入迭代之前还包括：对每个体素的可信度进行初始化；将当前体素调整到与当前体素的连接度最高的功能区之后，还包括：更新当前体素的可信度；计算每个功能区的参考时间序列信号，包括：对于每个功能区，计算该功能区的所有可信度不低于预设阈值的体素的时间序列信号的平均值或中位数，作为该功能区的参考时间序列信号。
6、结合第二种可能的实现方式，在第三种可能的实现方式中，更新当前体素的可信度，包括：从计算得到的当前体素的时间序列信号和当前大区中的各个功能区的参考时间序列信号的相关值中，选出最大相关值和第二大相关值；计算和更新当前体素的可信度，当前体素的可信度等于最大相关值与第二大相关值的比值。
7、结合第一方面或第一方面的第一种至第三种可能的实现方式中的任一种，在第四种可能的实现方式中，在满足终结条件时，终止迭代，包括：在迭代次数达到预设次数或者达到收敛标准时，终止迭代。
8、结合第一方面或第一方面的第一种至第四种可能的实现方式中的任一种，在第五种可能的实现方式中，预先选择或生成一个群体脑功能图谱作为脑功能图谱模板。
9、结合第一方面或第一方面的第一种至第五种可能的实现方式中的任一种，在第六种可能的实现方式中，预先选择或生成一个群体脑功能图谱作为脑功能图谱模板，步骤包括：将大脑分成若干个大区；在每个大区内计算出群体水平的功能连接图，该功能连接图为大区内的体素和该大区内的n个感兴趣区域roi的功能连接矩阵，其中n为自然数；优选地，n为不小于100的自然数；基于所述功能连接图作为特征，利用聚类算法，将每个大区分成多个细颗粒度功能分区；综合评价聚类算法的指标和最大化功能同质性的指标，确定多个局部最优的分区数；利用合并算法将大区内的细颗粒度功能分区进行合并，创建出全脑的群体脑功能图谱作为所需要的脑功能图谱模板。
10、结合第一方面或第一方面的第一种至第五种可能的实现方式中的任一种，在第七种可能的实现方式中，将初始的个体脑功能图谱分为若干个大区，包括：通过将大脑的左、右皮层各分为额叶、顶叶、枕叶、颞叶和泛中央沟区域五个大区，将初始的个体脑功能图谱分为十个大区。
11、本专利技术第二方面提供一种群体脑功能图谱的绘制方法，包括：
12、获取一群人的脑部磁共振扫描数据；
13、将大脑分为若干个大区；
14、在每个大区内计算出群体功能连接图，该群体功能连接图为大区内的体素和该大区内的n个感兴趣区域的功能连接矩阵，其中，n为自然数；优选地，n为不小于100的自然数；
15、基于所述群体功能连接图作为特征，利用聚类算法，将每个大区分成多个细颗粒度功能分区；
16、综合评价聚类算法的指标和最大化功能同质性的指标，确定多个局部最优的分区数；
17、利用合并算法将大区内的细颗粒度功能分区进行合并，创建出全脑的群体脑功能图谱。
18、在第二方面可能的实现方式中，所述计算出群体功能连接图，包括：
19、在每个大区内计算出个体功能连接图，该群体功能连接图为大区内的体素和该大区内的n个感兴趣区域的功能连接矩阵，其中，n为自然数；
20、计算每个大区中的所有个体功能连接图的平均值，得到群体功能连接图
<本文档来自技高网...【技术保护点】
1.一种脑功能图谱的绘制系统，其特征在于，
2.根据权利要求1所述的绘制系统，其特征在于，
3.根据权利要求2所述的绘制系统，其特征在于，
4.根据权利要求1所述的绘制系统，其特征在于，
5.根据权利要求4所述的绘制系统，其特征在于，
6.根据权利要求5所述的绘制系统，其特征在于，
7.根据权利要求1所述的绘制系统，其特征在于，
8.根据权利要求7所述的绘制系统，其特征在于，
9.根据权利要求7所述的绘制系统，其特征在于，
10.根据权利要求2-9中任一项所述的绘制系统，其特征在于，
11.根据权利要求1-9中任一项所述的绘制系统，其特征在于，
12.根据权利要求1-9中任一项所述的绘制系统，其特征在于，
13.根据权利要求12所述的绘制系统，其特征在于，
14.根据权利要求13所述的绘制系统，其特征在于，
15.根据权利要求13所述的绘制系统，其特征在于，
16.根据权利要求12所述的绘制系统，其特征
17.根据权利要求16所述的绘制系统，其特征在于，
...【技术特征摘要】
1.一种脑功能图谱的绘制系统，其特征在于，
2.根据权利要求1所述的绘制系统，其特征在于，
3.根据权利要求2所述的绘制系统，其特征在于，
4.根据权利要求1所述的绘制系统，其特征在于，
5.根据权利要求4所述的绘制系统，其特征在于，
6.根据权利要求5所述的绘制系统，其特征在于，
7.根据权利要求1所述的绘制系统，其特征在于，
8.根据权利要求7所述的绘制系统，其特征在于，
9.根据权利要求7所述的绘制系统，其特征在于，
<...【专利技术属性】
技术研发人员：魏可成，胡清宇，
申请(专利权)人：北京优脑银河科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。