一種腦激活區(qū)檢測方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)信號處理領(lǐng)域，尤其涉及一種腦激活區(qū)檢測方法和腦激活區(qū)檢測 裝置。
【背景技術(shù)】
[0002] 功能磁共振成像（functional Magnetic Resonance Imaging,fMRI)是一種通過 測量血液中氧濃度變化引起的血紅蛋白的磁性改變，得到基于血液動力學(xué)(Blood Oxygen Level Dependence,BOLD)機(jī)制的神經(jīng)激活分布的技術(shù)。然而，由于BOLD-fMRI信號變化幅度 非常微弱，與噪聲波動幾乎一致，使得從噪聲中分離信號變得尤為困難目前，BOLD-fMRI信 號提取(也稱激活區(qū)檢測)方法一般可分為兩類，分別是基于模型類和基于數(shù)據(jù)類。
[0003] 基于模型的算法有互相關(guān)分析、一般線性模型等；其中互相關(guān)分析的基本原理是 根據(jù)先驗知識，預(yù)先定義一個模擬腦血流動力學(xué)響應(yīng)函數(shù)的參考波形，然后依次計算體素 的時間過程與該參考波形的相關(guān)系數(shù)，通過閾值化相關(guān)系數(shù)來確定體素激活與否，即確定 一個閾值，若體素的相關(guān)系數(shù)大于該閾值，則判定體素處于激活狀態(tài)，若相關(guān)系數(shù)小于該閾 值，則體素處于靜息狀態(tài)。一般線性模型是通過計算變量之間的相關(guān)性，在檢測到兩個變量 之間的線性關(guān)系后，建立模型，對其中的參數(shù)進(jìn)行估計，然后用t檢驗或f檢驗方法對模型進(jìn) 行檢驗，根據(jù)所設(shè)置的閾值，得到與閾值相對應(yīng)的大腦激活圖像，從而判定腦區(qū)是否處于激 活狀態(tài)。
[0004] 基于數(shù)據(jù)的算法有k均值聚類算法，獨立成分分析等；其中k均值聚類算法（k_ means)的基本原理是首先指定數(shù)據(jù)的類別數(shù)為k，隨機(jī)從fMRI數(shù)據(jù)集中選取k個樣本點作為 每個類的初始聚類中心，然后計算各個樣本到k個聚類中心的距離，把樣本歸到離它最近的 那個聚類中心所在的類，聚類結(jié)果由k值表達(dá)。之后采用迭代更新的方法，基于給定的聚類 目標(biāo)函數(shù)使每一次迭代過程都是沿著目標(biāo)函數(shù)減小的方向進(jìn)行，直到目標(biāo)函數(shù)取得最小 值，算法收斂，完成對腦激活區(qū)的檢測。獨立成分分析(independent component analysis， ICA)是一種盲信號分離的方法，其目的是將觀察到的數(shù)據(jù)進(jìn)行分解提取獨立成分，發(fā)現(xiàn)數(shù) 據(jù)中隱含的信息成分。用ICA處理fMRI數(shù)據(jù)一般做法是：用同樣的刺激方式在同樣的情況下 作兩次實驗得到每個體素的兩個信號作混合信號，用ICA分離出與事件相關(guān)的信號成分，然 后計算每個體素的Z分?jǐn)?shù)，把其值大于給定的閾值的體素認(rèn)為是激活體素，由此檢測由刺激 引起的腦激活區(qū)域。
[0005] 基于模型類的算法如互相關(guān)分析、一般線性模型等這類算法一般是基于先驗假設(shè) 模型的，而檢測結(jié)果的好壞直接和數(shù)據(jù)對模型的滿足程度相關(guān)。其次，它們都屬于一元統(tǒng)計 方法，通過對fMRI數(shù)據(jù)中某個體素的分析確定其是否被激活，并沒有考慮fMRI數(shù)據(jù)空間中 相鄰體素間的相互關(guān)系，即體素的鄰域信息，因而在激活區(qū)域檢測方面具有一定的局限性， 特別是在低信噪比的條件下，這類一元統(tǒng)計方法對激活區(qū)的檢測靈敏度較低。
[0006] 基于數(shù)據(jù)類的算法，如k均值聚類方法。首先該方法需預(yù)先指定聚類數(shù)目K值。然而 一般情況下無法預(yù)先判定數(shù)據(jù)集類別數(shù)目，因此k值的最優(yōu)值是很難準(zhǔn)確選擇的。其次該方 法中需確定一個初始聚類中心對數(shù)據(jù)進(jìn)行初始劃分。而聚類的檢測結(jié)果對于初始聚類中心 的選擇較為敏感，一旦初始值選擇的不好，將會影響聚類最終的收斂效果，降低檢測結(jié)果的 可靠性和準(zhǔn)確性。而ICA的不足體現(xiàn)在其適用范圍，是否所有功能核磁共振成像數(shù)據(jù)都可以 采用ICA方法處理。ICA方法雖然可以與一般常用的激活區(qū)檢測算法的結(jié)果保持一致性，但 對復(fù)雜的大腦的高級活動的檢測來說，用ICA處理較為困難。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于，解決現(xiàn)有的腦激活區(qū)檢測方法信噪比低的問題。
[0008] 本發(fā)明的目的是采用以下技術(shù)方案來實現(xiàn)的。
[0009] -種腦激活區(qū)檢測方法，包括以下步驟：
[0010] 步驟S1，獲取fMRI數(shù)據(jù)；
[0011] 步驟S2，構(gòu)建所述fMRI數(shù)據(jù)的二維鄰域特征空間S;
[0012] 步驟S3,采用均值漂移算法對所述特征空間S進(jìn)行聚類搜索；
[0013] 步驟S4,得到激活區(qū)檢測結(jié)果。
[0014] 本發(fā)明一較佳實施方式中，步驟S2進(jìn)一步包括以下步驟：
[0015] 步驟S21，給定一組包含T個時間點的fMRI體數(shù)據(jù)V={Vt|t = l，2, · · ·，T}，其中Vt為 時間點t的fMRI體數(shù)據(jù)，體素 p的時間序列I(p) = {I(p，t) |t = l，2, . . .，T，pEV}，其中I(p, t)為體素 p在Vt中的信號強(qiáng)度;fMRI成像過程中，外部刺激為特定時間點的刺激信號，設(shè)定 為刺激函數(shù)E(t)(t = l，…，T)，則體素 p的時間序列I(p)與刺激函數(shù)E(t)的相關(guān)系數(shù)n(p) 表示為：
[0016]
(1)
[0017] 其中，
）為體素 P的信號強(qiáng)度均值
3刺激函數(shù)均 值；
[0018] 步驟S22,引入體素 p周圍鄰域信息，定義體素 p的鄰域為N(p)，N(p) = {p11 i = 1， 2，一，11}，11為鄰域以？）內(nèi)體素的個數(shù)，取每個體素鄰域以？）內(nèi)所有體素的時間序列與刺激 函數(shù)的相關(guān)系數(shù)的平均值，定義為，表示為：
[0019
⑵
[0020]構(gòu)建fMRI數(shù)據(jù)的第一維特征片=杈卜)| j? e F};
[0021]步驟S23,獲取體素 p與該體素鄰域中的體素的相關(guān)系數(shù)r2(p)，表示為：
[0022]
(B)
[0023] 其中
）為序列均值， 為鄰域中對應(yīng)體素的均值， 丄-f-l ,. 構(gòu)建fMRI數(shù)據(jù)特征空間的第二維特征R2= Ιτ2(ρ) | pev};
[0024] 步驟S24，構(gòu)建所述特征空間S，其中，S = {Ri，R2}。
[0025] 本發(fā)明一較佳實施方式中，在所述特征空間S中，給定空間中的采樣點的核函數(shù)為 k(x)和容許誤差ε，所述步驟S3進(jìn)一步包括以下步驟：
[0026] 步驟S31，在所述特征空間S中任意選擇初始搜索區(qū)域圓心0,半徑為核寬h;
[0027] 步驟S32,在搜索區(qū)域內(nèi)計算均值漂移Mh(x):
[0028]
(2)
[0029] 該向量總是指向密度增加的方向；
[0030] 步驟S33,如果均值漂移向量的模小于容許誤差ε，I |Mh(x) | Ι〈ε，迭代算法結(jié)束；否 則利用下式(3)計算X得到新的圓心(/，返回執(zhí)行步驟S32;
[0031]
[0032]本發(fā)明一較佳實施方式中，步驟S4進(jìn)一步包括以下步驟:重復(fù)步驟S1至S3,直到| Mh(x)| |〈ε、公式(2)收斂到局部密度極大值點，X漂移到局部極大點時，將所述特征空間S中 收斂到同一個點的樣本點算作一類，得到所述激活區(qū)檢測結(jié)果。
[0033]本發(fā)明一較佳實施方式中，步驟S1進(jìn)一步包括以下步驟:制定實驗刺激方案，采集 fMRI實驗數(shù)據(jù)并對所述實驗數(shù)據(jù)進(jìn)行預(yù)處理。
[0034] 一種腦激活區(qū)檢測裝置，其包括：
[0035]數(shù)據(jù)抓取單元，用于獲取fMRI數(shù)據(jù)；
[0036] 構(gòu)建單元，用于構(gòu)建所述fMRI數(shù)據(jù)的二維鄰域特征空間S;
[0037] 搜索單元，采用均值漂移算法對所述特征空間S進(jìn)行聚類搜索；以及
[0038] 輸出單元，用于得到激活區(qū)檢測結(jié)果。
[0039] 本發(fā)明一較佳實施方式中，所述構(gòu)建單元進(jìn)一步包括以下子單元：
[0040]數(shù)據(jù)選擇子單元，用于給定一組包含T個時間點的fMRI體數(shù)據(jù)V = {Vt I t = 1， 2,. . .，T}，其中Vt為時間點t的fMRI體數(shù)據(jù)，體素 p的時間序列I(p) = {I(p，t) I t = l，2,...， !'，？6￥}，其中1(?，〇為體素?在￥*中的信號強(qiáng)度41?1成像過程中，外部刺激為特定時間點 的刺激信號，設(shè)定為刺激函數(shù)E(t)(t=l，…，T)，則體素 p的時間序列I(p)與刺激函數(shù)E(t) 的相關(guān)系數(shù)η(ρ)表示為：
[0041 ]
(1) r=I _
[0042] 其中，
為體素 P的信號強(qiáng)度均值
）為刺激函數(shù)均 值；
[0043] 第一維特征構(gòu)建子單元，用于引入體素 p周圍鄰域信息，定義體素 p的鄰域為N(p)， 以口丨二化11 i = l，2，···，n}，n為鄰域N(p)內(nèi)體素的個數(shù)，取每個體素鄰域N(p)內(nèi)所有體素的 時間序列與刺激函數(shù)的相關(guān)系數(shù)的平均值，定義為,表示為：
[0044]
⑵.
[0045] 構(gòu)建fMRI數(shù)據(jù)的第一維特征凡.=污(/>) | p .e
[0046] 第二維特征構(gòu)建子單元，用于獲取體素 p與該體素鄰域中的體素的相關(guān)系數(shù)r2 (P)，表不為：