一種基于核磁共振影像的腦齡分析方法
【技術領域】
[0001] 本發(fā)明涉及數字圖像分析與處理的技術領域，尤其是指一種基于核磁共振影像的 腦齡分析方法。
【背景技術】
[0002] 人的一生歷經從胎兒到嬰幼兒，再到兒童、青少年、中年、老年等多個階段，在此過 程中，和身體其它組織器官類似，大腦也存在快速增長發(fā)育、成長、成熟、緩慢萎縮和迅速衰 退期，并遵循一定的規(guī)律。
[0003] 研究發(fā)現(xiàn)，人腦的灰質在從出生到兒童期迅速增長，灰質體積達到最大，青春期開 始緩慢下降，呈倒"U"型；白質則從出生到少年時期，急劇增長，青春期后，增長緩慢，直至 成年期又開始緩慢下降。由此可見，在不同年齡階段，人腦的發(fā)育過程表現(xiàn)出完全不同的規(guī) 律與特征，如果以腦齡來測度大腦發(fā)育狀況或程度，則它與人的生理年齡既有密切關系，又 有其獨有的特性。揭示腦齡與生理年齡的內在關系（如一致性與差異性），對了解人大腦的 發(fā)育過程和演化規(guī)律，認識人腦認知能力、心理與行為學的變化等，具有重要的科學研究價 值。
[0004] 磁共振成像為人腦研究提供了一種安全無創(chuàng)、準確可靠的手段，它可以獲取有關 人腦組織清晰的結構影像，與反映腦功能活動狀況的動態(tài)實時功能影像。借助腦結構和功 能影像，可分析人腦結構與功能的變化、以及神經信息的傳遞狀況。
[0005] 最近，隨著腦連接組學的興起，有關腦網絡的研究逐漸增多，研究者利用圖論和信 息論，構建腦網絡，重點關注腦區(qū)之間的連接、信息通路與信息傳遞。腦網絡分析方法也被 應用于大腦的研究，如核心節(jié)點、網絡局部/全局效率、最小路徑長度、小世界屬性、抗攻擊 能力等。
[0006] 利用腦結構、腦功能影像，以及腦網絡等神經生物學特征，構建腦齡分析模型，并 將模型用于分析大腦腦齡，即構建一種綜合有效的腦齡分析模型與方法，尚未見公開報道。

【發(fā)明內容】

[0007] 本發(fā)明旨在提供一種科學可靠的基于核磁共振影像的腦齡分析方法，可有效地應 用于評估大腦的發(fā)育狀況，為探索人腦的發(fā)育過程與規(guī)律，揭示認知能力的變化特征，認識 其心理與行為特性提供重要依據。
[0008] 為實現(xiàn)上述目的，本發(fā)明所提供的技術方案為：一種基于核磁共振影像的腦齡分 析方法，首先，利用大腦結構影像信息，構建功能腦區(qū)與體素水平的腦結構網絡；根據大腦 功能影像信號，建立功能腦區(qū)和體素水平的腦功能網絡；然后，分析大腦的結構、腦功能隨 年齡增長而變化的特征和規(guī)律，以及腦網絡連接模式變化，從而得到腦結構、腦功能和腦網 絡隨年齡增長而變化的差異性特征；隨之利用遞歸特征增長法，選擇所需的有效特征，降低 特征維數；最后，應用線性支持向量機，建立腦齡回歸模型，對腦齡進行分析。
[0009] 本發(fā)明所述的基于核磁共振影像的腦齡分析方法，包括以下步驟：
[0010] 1)建立回歸模型
[0011] LI)采集MR影像數據
[0012] 獲取大腦結構和腦功能MR影像；
[0013] 1.2)影像數據處理
[0014] 包括頭動校正、配準、空間標準化、平滑處理，其中，對腦結構影像進行腦灰質與腦 白質分析時，需要將腦組織分割為灰質、白質和腦脊液，腦功能影像首先還需時間層校正， 再進行后續(xù)處理；
[0015] 還包括腦結構和腦功能網絡構建，即利用經過預處理后的影像，應用圖論和信息 論，在功能腦區(qū)或體素水平，建立腦結構和功能網絡；
[0016] 1.3)特征分析與提取
[0017] 在功能腦區(qū)或體素水平，應用單樣本t檢驗方法，分析腦結構、腦功能影像和腦網 絡特征隨年齡的變化情況，即得到隨年齡發(fā)生顯著變化的特征；
[0018] L 4)特征降維
[0019] 應用迭代特征增長法，分別對腦結構、腦功能及腦網絡特征進行降維，選擇有效特 征，記錄有效特征向量的索引；
[0020] 1.5)回歸分析
[0021] 融合降維后被選擇的腦功能、腦結構與腦網絡特征，以其作為自變量，以生理年齡 作為因變量，建立二者之間的線性回歸模型，進行回歸分析；
[0022] 2)腦齡分析
[0023] 2· 1)影像數據采集
[0024] 獲取待分析對象的腦部MR結構和功能影像；
[0025] 2. 2)影像數據處理
[0026] 包括頭動校正、配準、空間標準化、平滑處理，其中，結構影像須進行分割，功能影 像首先還需時間層校正，再進行后續(xù)處理；
[0027] 利用經過預處理后的影像，應用圖論和信息論，在腦區(qū)或體素水平，建立腦結構和 功能網絡；
[0028] 2. 3)特征提取
[0029] 根據步驟1. 4)得到的有效特征索引向量，提取相應的腦結構、腦功能和腦網絡特 征；
[0030] 2. 4)腦齡分析
[0031] 利用步驟1. 5)建立的回歸模型，以獲取的特征作為自變量，腦齡作為因變量，預 測待評估對象的腦齡。
[0032] 在步驟1. 3)中，腦結構、腦功能影像和腦網絡隨年齡的變化特征，包括腦結構影 像中灰質、白質，DTI影像中的平均彌散率和各向異性分數，動脈自旋標記影像中的腦血流， fMRI的血氧水平依賴，基于靜息態(tài)fMRI的局部一致性、低頻振幅、分數低頻振幅，以及腦網 絡特征中的邊連接、節(jié)點的介數中心度、度中心度。且所有特征均利用z-score方法進行歸 范化。
[0033] 在步驟1. 4)中，采用如下迭代特征增長法進行降維：
[0034] 1.4. 1)初始化：取η個訓練樣本的某一特征向量X。= [X1, X2，…，X1,…^^以及 對應年齡向量y = IiyDy2,…，又；?，"·，7η]τ;給定每次選取的有效特征數量k，或比例r e [Ο 1]，則k = nXr ;期望的總特征數量為m，其中m = cXk, c是大于1的整數；
[0035] 1. 4. 2)初始化特征子集索引向量s = [1，2,…，η]，待排序特征向量Xcandidate= X。， 有效特征向量X selected 1-1 ?
[0036] 1. 4. 3)根據索引向量選定訓練樣本X = &(:，s)，訓練回歸模型α = regression(X，y)，并計算權值向量W= ZiQiyiXi,利用評分函數c(i) = (Wi)2,按得分從 高到低排序，取位列前k的特征Xs"tad= [1··· k]，將其加入有效排序特征向量中，并從待排 序特征向量中移出，更新有效特征向量Xsf^ted、待排序特征向量Xtiandidate與索引向量S ;
[0037] 1. 4. 4)重復步驟1. 4. 3)直至有效特征向量的維數等于m ;
[0038] 1. 4. 5)重復步驟1. 4. 1)直至所有特征均完成降維處理。
[0039] 本發(fā)明與現(xiàn)有技術相比，具有如下優(yōu)點與有益效果：
[0040] 1)充分利用神經影像學的多模態(tài)特征各自的優(yōu)勢，將其融合應用于腦齡分析模型 的構建與腦齡測定；
[0041] 2)將統(tǒng)計分析方法與迭代特征降維方法相結合，在眾多特征中，選擇與生理年齡 密切相關的重要特征，或者隨年齡變化最為顯著的特征；
[0042] 3)揭示生理年齡和腦齡的內在關系與差異性，可應用于大腦發(fā)育狀況與認知能力 評估、行為學與心理學等領域，為人腦發(fā)育研究提供科學、客觀的理論依據和方法。
【附圖說明】
[0043] 圖1為本發(fā)明實施例中所述腦齡分析方法的流程圖。
[0044] 圖2為本發(fā)明實施例青少年人群訓練集生理年齡和估計腦齡對應圖。
[0045] 圖3為本發(fā)明實施例青少年人群測試集生理年齡和估計腦齡對應圖。
[0046] 圖4為本發(fā)明實施例老年人群訓練集生理年齡和估計腦齡對應圖。
[0047] 圖5為本發(fā)明實施例老年人群測試集生理年齡和估計腦齡對應圖。
【具體實施方式】