【技术实现步骤摘要】
本专利技术涉及医学图像处理，尤其涉及一种多模态动态结构-功能多层脑网络计算方法、终端及计算机可读存储介质。
技术介绍
1、当前对神经精神类行为如阿尔茨海默病，精神分裂症，抑郁症等的检测主要有生物标志物检查、神经心理学评估、脑影像学检查等方式，其中脑影像检查相较于生物标志物检测和神经心理学评估具有简单安全、非侵入性、数据客观的优点，近年来在神经精神类疾病的早期检测和研究中被广泛使用。不同模态的脑影像提供了多维信息，可供医生进行综合分析和诊断。如弥散张量成像（(diffusion tensor imaging，dti）和结构磁共振成像（structural magnetic resonance imaging，smri）可以提供大脑的结构信息，即大脑不同区域的皮层厚度和表面曲率、脑回、脑沟或是白质纤维束的走向和连接方式等解剖结构信息。而静息态功能磁共振成像（resting state functional magnetic resonanceimaging，rs-fmri）可以利用大脑血氧水平变化得到的有关这些区域功能状态的信息。
2、大脑是由神经元之间的连接组成的复杂网络系统，并以特定的连接模式分离和整合，从脑网络的角度分析可以更好地了解大脑特定区域之间的结构或功能的相互作用。例如，从结构层面来看，ad患者（alzheimer's disease，ad，阿尔茨海默病患者）往往伴随着大脑皮层变薄、灰质体积变少、海马体萎缩以及β淀粉样蛋白异常沉积等。从脑功能层面来看，ad患者常见的变化为默认模式网络内的功能连通性减弱等。然
3、脑网络结构-功能耦合是将脑影像获得的脑结构网络和脑功能网络相结合，从而获得有关两者之间关系的信息。耦合描述了对功能通信的结构支持，当皮层区域的区域间白质连接能够预测区域间功能连接的强度时，便会发生结构-功能耦合。大规模的网络的功能连接受到人脑潜在解剖白质通路的限制，但是目前人类大脑的结构和功能之间的关系目前还没有完全探讨清楚。
4、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种多模态动态结构-功能多层脑网络计算方法、终端及计算机可读存储介质，旨在解决现有技术中当前对人类大脑的结构和功能之间关系不够透彻，且忽略了大脑功能的动态特性，形态学信息以及间接连接的结构和功能之间关系的问题。
2、为实现上述目的，本专利技术提供一种多模态动态结构-功能多层脑网络计算方法，所述多模态动态结构-功能多层脑网络计算方法包括如下步骤：
3、获取多模态脑影像，对所述多模态脑影像进行预处理得到目标多模态脑影像；
4、根据所述目标多模态脑影像构建动态功能脑网络、结构脑网络和灰质形态学相似脑网络；
5、通过网络拓扑相似性的原则根据所述动态功能脑网络、所述结构脑网络和所述灰质形态学相似脑网络进行计算，得到结构-功能耦合。
6、可选地，所述多模态动态结构-功能多层脑网络计算方法，其中，所述预处理包括t1解剖图像预处理、fmri预处理和dti预处理；所述预处理用于去除不感兴趣的噪声、校正数据和生理伪影，以及对数据进行空间和时间上的标准化处理；
7、所述获取多模态脑影像，对所述多模态脑影像进行预处理得到目标多模态脑影像，具体包括：
8、通过磁共振影像采集机器采集多模态脑影像，所述多模态脑影像包括弥散张量成像、t1加权成像和静息态功能磁共振成像；
9、对所述弥散张量成像进行t1解剖图像预处理，得到目标弥散张量成像；
10、对所述静息态功能磁共振成像进行fmri预处理，得到目标静息态功能磁共振成像；
11、对所述t1加权成像进行dti预处理，得到目标t1加权成像。
12、可选地，所述多模态动态结构-功能多层脑网络计算方法，其中，所述t1解剖图像预处理用于去除颅骨部分后将脑组织分割为脑脊液、白质和灰质，得到大脑掩膜mask，并通过非线性配准将t1w1图像与选择的标准空间模板进行空间归一化并重采样为预设尺寸的大小，采用预设选择尺寸半峰全宽高斯平滑后得到处理后解剖图像；
13、所述fmri预处理用于去除前十张图像，进行头动校正以消除微小头动位移的影响和切片定时校正以修正不同切面采集的时间差，将fmri图像和t1加权解剖图像通过非线性变化的方式配准到预设尺寸的标准空间，后基于预处理的fmri计算帧位移、dvars和三个区域级全脑信号，在mni上的预处理功能像上进行去除非稳态体积后的空间时间序列和使用预设大小fwhm 的各向同性高斯核进行空间平滑，得到一个去噪和配准到标准空间的预设尺寸的nifti格式脑影像；
14、所述dti预处理用于涡流和运动伪影校正、扩散张量的估计和分数各向异性的计算，提取b0图像，再进行颅骨剥离，将dti与b0图像进行仿射对齐，校正扩散张量成像数据集中的涡流畸变和运动伪影，应用变换对dti配准到标准空间。
15、可选地，所述多模态动态结构-功能多层脑网络计算方法，其中，所述根据所述目标多模态脑影像构建动态功能脑网络、结构脑网络和灰质形态学相似脑网络，具体包括：
16、根据所述目标静息态功能磁共振成像，构建动态功能脑网络；
17、根据所述目标t1加权成像，构建结构脑网络；
18、根据所述目标弥散张量成像，构建灰质形态学相似脑网络。
19、可选地，所述多模态动态结构-功能多层脑网络计算方法，其中，所述根据所述目标静息态功能磁共振成像，构建动态功能脑网络，具体包括：
20、选择脑图谱，通过脑图谱将大脑灰质分割成预设数量个脑区；
21、计算脑区对之间的血氧水平依赖时间序列的z分值的元素乘积，基线同侧活动的区域对将具有正的共波动值，同时向相反方向波动的两个区域将具有负的共波动值；
22、对于每个参与者，在每个时间点，得到一个共波动矩阵，其中，共波动矩阵中的每个元素表示两个脑区在当前时间点的协同波动强度，将矩阵堆叠成时间序列的形式，形成动态功能连接矩阵，节点代表脑区，边代表脑区之间的功能连接。
23、可选地，所述多模态动态结构-功能多层脑网络计算方法，其中，所述根据所述目标t1加权成像，构建结构脑网络，具体包括：
24、基于fsl的panda，计算扩散张量，对角化得到n个特征值及对应的特征向量，基于每个体素计算全脑的部分各向异性值；
25、使用bedpostx和probtrackx方法，每个确定的脑节点被选为种子区域，在每个种子区域内的每个体素上采样预设个数的本文档来自技高网...
【技术保护点】
1.一种多模态动态结构-功能多层脑网络计算方法，其特征在于，所述多模态动态结构-功能多层脑网络计算方法包括：
2.根据权利要求1所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述预处理包括T1解剖图像预处理、fMRI预处理和DTI预处理；所述预处理用于去除不感兴趣的噪声、校正数据和生理伪影，以及对数据进行空间和时间上的标准化处理；
3.根据权利要求2所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述T1解剖图像预处理用于去除颅骨部分后将脑组织分割为脑脊液、白质和灰质，得到大脑掩膜mask，并通过非线性配准将T1W1图像与选择的标准空间模板进行空间归一化并重采样为预设尺寸的大小，采用预设选择尺寸半峰全宽高斯平滑后得到处理后解剖图像；
4.根据权利要求2所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述根据所述目标多模态脑影像构建动态功能脑网络、结构脑网络和灰质形态学相似脑网络，具体包括：
5.根据权利要求4所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述根据所述目标静息态功能磁共振成像
6.根据权利要求4所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述根据所述目标T1加权成像，构建结构脑网络，具体包括：
7.根据权利要求4所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述根据所述目标弥散张量成像，构建灰质形态学相似脑网络，具体包括：
8.根据权利要求4所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述通过网络拓扑相似性的原则根据所述动态功能脑网络、所述结构脑网络和所述灰质形态学相似脑网络进行计算，得到结构-功能耦合，具体包括：
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多模态动态结构-功能多层脑网络计算程序，所述多模态动态结构-功能多层脑网络计算程序被所述处理器执行时实现如权利要求1-8任一项所述的多模态动态结构-功能多层脑网络计算方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多模态动态结构-功能多层脑网络计算程序，所述多模态动态结构-功能多层脑网络计算程序被处理器执行时实现如权利要求1-8任一项所述的多模态动态结构-功能多层脑网络计算方法的步骤。
...【技术特征摘要】
1.一种多模态动态结构-功能多层脑网络计算方法，其特征在于，所述多模态动态结构-功能多层脑网络计算方法包括：
2.根据权利要求1所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述预处理包括t1解剖图像预处理、fmri预处理和dti预处理；所述预处理用于去除不感兴趣的噪声、校正数据和生理伪影，以及对数据进行空间和时间上的标准化处理；
3.根据权利要求2所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述t1解剖图像预处理用于去除颅骨部分后将脑组织分割为脑脊液、白质和灰质，得到大脑掩膜mask，并通过非线性配准将t1w1图像与选择的标准空间模板进行空间归一化并重采样为预设尺寸的大小，采用预设选择尺寸半峰全宽高斯平滑后得到处理后解剖图像；
4.根据权利要求2所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述根据所述目标多模态脑影像构建动态功能脑网络、结构脑网络和灰质形态学相似脑网络，具体包括：
5.根据权利要求4所述的多模态动态结构-功能多层脑网络计算方法，其特征在于，所述根据所述目标静息态功能磁共振成像，构建动态功能脑网络，具体包括：
6.根据权...
【专利技术属性】
技术研发人员：卢银萍，张志林，吴景龙，梁栋，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。