专利名称：功能核磁共振扫描下功能响应信号的甄别方法
技术领域：
本发明涉及功能核磁共振(预RI)信号的提�。乇鹕婕耙恢止δ芎舜殴舱� (预RI)扫描下功能响应信号的甄别方法，属于图像处理及频谱分析等技术领域。
背景技术：
功能核磁共振(预RI)信号灵敏度很高，在时间图像的采集过程中，受试者的微小 头动、心脏跳动、眼动和一些不相关的肌肉运动引起的生理信号也混杂在预RI信号中，构 成了脑功能信号中的噪声信号。要想提取外部剌激下的功能响应信号，必须将这些噪音信 号与脑功能信号分离开来。目前广泛采用的方法是利用血氧饱和浓度(BOLD)信号的血液 动力学响应函数(HRF)，这种方法依赖现有的固定模型以及对信号分布的假设，很难发现个 体之间的差异，对非功能信号的甄别也不够鲁棒。近年来也陆续发展了数据驱动的方法来 获得功能响应信号(以Martin提出的独立成分分形方法最为典型，见Martin J. M. ， Scott M. ， Greg G. B. et. al， Analysis of fMRI Data by Blind Separation into Independent SpatialComponents， Human Brain Mapping, 1998，6 :160-188)，但是方法本身只能分解出 各个无序的信号成分，其中的脑功能信号只能通过成份波的形状来辨别。鉴于此，这些方法 更加适用于有典型功能响应信号波形的数据，如组块设计下的实验数据，而对于最近应用 越来越广泛的事件相关设计下的实验数据却显得无能为力。
发明内容
为克服现有技术之不足，如何不依靠模型，提取功能核磁共振(预RI)信号中的功 能信号成分。关键技术难题涉及到l.如何融合庞大的任务态数据和静息态数据；2.如何 在无典型波形情况下甄别功能信号成分。 本发明提供一种功能核磁共振(预RI)扫描下功能响应信号的甄别方法，技术方 案如下一种功能核磁共振扫描下功能响应信号的甄别方法，其特征在于
(1)利用核磁共振仪获得任务态和静息态数据，然后利用功能核磁共振分析软件 SPM对任务态和静息态数据进行空间和时间上的预处理，得到数据集； (2)利用现有的主成分分析方法PCA，降低任务态数据和静息态数据的维度，保留 主要信息，即保留构成任务态和静息态数据各自90%以上信息能量的特征向量，重新构建 任务态和静息态数据；然后利用现有的时间域上的独立成分分析方法ICA，分别提取出两 种数据各自的独立成分，包括机器噪声信号成分、非神经性生理噪声成分和神经性功能信 号响应成分； (3)通过在两种数据的各独立成分之间做相关遍历的方法，在任务态数据成分中 找出功能信号成分的范围，得到包含功能信号成分的信号集； (4)对信号集中的每一个信号进行频谱分析，剔除在频域空间上没有显著能量峰
值的成分，剩余成分中选取首成分，即为主要功能响应信号。 上述(2) 、 (3) 、 (4)可采用以下具体步骤
4
第一步，应用主成分分析方法PCA，将任务态数据和静息态数据的变量分别重新组
合成一组新的互相无关的综合变量； (1)计算两种数据矩阵各自的协方差矩阵S ; (2)计算各自协方差矩阵S的特征向量的特征值，按照特征值按大到小排序，选取 前面特征，保留两种数据各自> 90%以上的信息； (3)投影两种数据到由各自对应特征向量组成的新空间，实现数据压縮；
第二步，进行独立成分分析ICA，先对两种数据各自进行中心化和白化预处理，从 白化样本优化求解出解混矩阵，得到各自的独立基向量，即时间域上独立信号成分，实际测 量到的时域信号便是这些独立成分的线性组合；对任务态数据和静息态数据分别进行以 上过程，设定分别保留25个成分，包括噪声、非神经功能生理信号和神经功能信号在内的 主要信息的新信号，获得两类数据的独立成分集合，分别记为SEjt) (i = 1，2，…，25)和 SRjt) (i = 1，2，…，25); 在分解出来的静息态独立成分SEi (t)和任务态独立成分(t)之间两两结合，计 算相关系数
S<formula>formula see original document page 5</formula>
其中，i = 1，2， ".，25 ;j = 1，2， ".，25 ;SEjt)为任务态数据独立成分，凤(t) 为该独立成分在时间轴上的平均值；SRj(t)为静息态数据独立成分，Mj为该独立成分在时 间轴上的平均值。通过下式选择任务态数据前3个独立成分 <formula>formula see original document page 5</formula>
第三步，通过观察频谱图，将选取的噪声、非神经功能生理信号和神经功能信号3
个任务态数据独立成分进行频谱分析，剔除在频域空间上没有显著能量峰值的成分，剩余
成分中选取首成分，即按照第二步方法挑选顺序排列的，满足第三步有分值能量要求的第
一个信号为主要功能响应信号。其余成分为含有剩余功能响应信号能量的成分，根据实际
应用需求，做辅助使用。
本发明的优点及显著效果 (1)本发明方法可以将功能核磁共振(预RI)扫描下的任务态数据和静息态数据 结合起来，在没有任何先验知识的条件下，提取神经活动的功能信号成分，无需先验模型；
(2)由于结合同一个体的任务态数据和静息态数据，通过静息态数据的基底信号 特性，比较两种类型数据不同成分之间的相关系数dij的大小(i = 1，2，…，25;j = 1， 2，…，25)，可以甄别含有功能信号能量比较高的成份，从而不需要通过功能信号本身的波 形特性来甄别它。使得该技术可广泛用于非组块设计的实验数据中，不局限于组块设计的 数据分析； (3)由于任务态数据和静息态数据从不同的角度反映了同一个体当前的不同模 态，它们之间的比较相比较于原有的方法(基于模型的方法和采用单一类型信号的方法)，更加能够体现神经活动的个体差异；此外，方法中通过频谱性能对成分的筛选也能更好的 消除噪声的影响。提取出来的功能响应信号更加能体现个体情况。
图1是本发明方法流程图； 图2是某一个体根据图1流程计算获得相关系数排序后的前3个成分； 图3是图2中各信号对应的频谱图； 图4是各种方法提取的功能响应信号的应用性能比较。
具体实施例方式
受i式者在中国面部表'瞎,见频系纟充(Chinese Facial Expression Video System, CFEVS)剌激下，扫描获得任务态数据，之后扫描获得静息态数据。利用预RI分析软件SPM对 数据进行空间和时间上的预处理，包括头动校正、空间标准化、高斯平滑滤波，时间标准化 和高通滤波去除低频噪音，操作后，得到数据集。利用主成分分析PCA(Tipping M，BishopC. Mixtures of probabilistic principal component analyzers. NeuralComputation， 1999,11 :443-482)降低任务态数据和静息态数据的维度，保留主要信息；然后利用时间域 上的独立成分分析(ICA)分别提取出两种数据各25个独立成分；再通过在两种数据的独立 成分之间做相关遍历的方法，找出功能信号成分的范围，得到包含功能信号成分的信号集， 如图1所示；对信号集中的每一个信号进行频谱分析，其频谱图如图2所示，其横轴和纵轴 分别代表频率和对应频率下的能量。按照公式(2)的推导，图2中的第一个信号极有可能 包含了大量神经活动特征的功能信号成分，也有可能是噪音成分。图3的第一幅图显示了 这个信号的频谱图，从该信号的频谱图上看，各频率成分的能量呈不均匀分布，可以排除这 个信号为噪音信号的可能性，认为该信号是包含了大量神经活动特征的功能信号成分。图2 中第二个信号，在相关遍历中，与静息态各独立成分的相关系数绝对值也很�。�3中第二 幅图是该信号的频谱图，由图可知，该信号各频率成分的能量分布呈均匀分布，可能是因为 混杂较多噪音导致，为确保采集的信号为功能信号成分，我们将其剔除。第三个信号的频谱 也呈不均匀分布，可见，该信号含有部分剩余功能响应信号能量，可以留用做辅佐应用。
为了进一步分析被提取的功能信号的有效性，可以把提取出来功能信号做为特 征，通过检查对同一任务下功能异常个体的识别能力来验证。收集13名女性抑郁症患者 和9名健康者，重复上述过程，获得每个个体的功能响应信号，以此为特征，进入贝叶斯分 类器，观察分类效果。为了验证性能，还采用了其他两个典型方法获得的功能信号，分别 作为识别特征。它们分别是1)利用Martin为代表的分析方法获得的功能信号作为分 类特征(Martin J. M. ， Scott M. ， Greg G. B. et. al， Analysis of皿I Data by Blind Separation intolnd印endent Spatial Components, Human Brain Mapping,1998，6 : 160-188) ;2)利用血液动力学响应函数(HRF)优化获得的功能信号作为分类特征(Cynthia H.Y. Fu， JanainaMourao—Miranda， Sergi G. Costafreda et. al.Pattern Classification of Sad Facial Processing :Toward the Development of Neurobiological Markers in D印ression. BiologicalPsychiatry, 2008， 63 :656-662)。我们用整体准确率，患者准确率 和健康者准确率来评价分类性能，分类结果如图4。图4表格中方法一是利用本方法的功能信号作为分类特征；方法二是利用Martin为代表的分析方法获得的功能信号作为分类特 征(事件相关实验的数据没有典型的功能信号波形可供参考，故该办法对这批实验数据失 效)；方法三是利用血液动力学响应函数(HRF)优化获得的功能信号作为分类特征。
由图4可见，本发明方法虽然和基于先验模型的方法做了同样的事情(如表中方 法三)，都是提取大脑中与神经活动相关的功能信号成分，但本发明提出的方法没有任何先 验模型的参与，却得到了相对较好的分类结果。结果的优越性可能来自于，脱离了模型，通 过对个体本身的多态信号的比较，能很好的体现个体的特异性，同时也能较好的消除噪声
的影响。文中的数据为事件相关设计实验的数据，而非组块设计实验的数据。这种剌激设 计的优点在于将单个剌激分别开来，能够更好的展现出大脑对剌激的响应过程，但与此同 时，也增加了数据分析的难度，表中的方法二从波形上很难辨别哪个信号成分为功能信号 成分，因此无法完成识别任务。
权利要求
一种功能核磁共振扫描下功能响应信号的甄别方法，其特征在于(1)利用核磁共振仪获得任务态和静息态数据，然后利用功能核磁共振分析软件SPM对任务态和静息态数据进行空间和时间上的预处理，得到数据集；(2)利用现有的主成分分析方法PCA，降低任务态数据和静息态数据的维度，保留主要信息，即保留构成任务态和静息态数据各自90％以上信息能量的特征向量，重新构建任务态和静息态两种数据；然后利用现有的时间域上的独立成分分析方法ICA，分别提取出两种数据各自的独立成分，包括机器噪声信号成分、非神经性生理噪声成分和神经性功能信号响应成分；(3)通过在两种数据的各独立成分之间做相关遍历的方法，在任务态数据成分中找出功能信号成分的范围，得到包含功能信号成分的信号集；(4)对信号集中的每一个信号进行频谱分析，剔除在频域空间上没有显著能量峰值的成分，剩余成分中选取首成分，即为主要功能响应信号。
2. 根据权利要求1所述功能核磁共振扫描下功能响应信号的甄别方法，其特征在于 (2) 、 (3) 、 (4)具体步骤是:第一步，应用主成分分析方法PCA，将任务态数据和静息态数据的变量分别重新组合成 一组新的互相无关的综合变量；(1) 计算两种数据矩阵各自的协方差矩阵S ;(2) 计算各自协方差矩阵S的特征向量的特征值，按照特征值按大到小排序，选取前面 特征，保留两种数据各自> 90%以上的信息；(3) 投影两种数据到由各自对应特征向量组成的新空间，实现数据压縮；第二步，进行独立成分分析ICA，先对两种数据各自进行中心化和白化预处理，从白化 样本优化求解出解混矩阵，得到各自的独立基向量，即时间域上独立信号成分，实际测量到 的时域信号便是这些独立成分的线性组合；对任务态数据和静息态数据分别进行以上过 程，设定分别保留25个成分，包括噪声、非神经功能生理信号和神经功能信号在内的主要 信息的新信号，获得两类数据的独立成分集合，分别记为SEjt) (i = 1，2，…，25)和SRjt) (i = 1，2，…，25);在分解出来的静息态独立成分SEi (t)和任务态独立成分SRi (t)之间两两结合，计算相 关系数<formula>formula see original document page 2</formula>其中，i = 1，2， ".，25 ;j = 1，2， ".，25 ;SEi(t)为任务态数据独立成分，玩i (t)为该 独立成分在时间轴上的平均值；SRj(t)为静息态数据独立成分，Mj为该独立成分在时间轴 上的平均值。通过下式选择任务态数据前3个独立成分见<formula>formula see original document page 2</formula>第三步，通过观察频谱图，将选取的噪声、非神经功能生理信号和神经功能信号3个任务态数据独立成分进行频谱分析，剔除在频域空间上没有显著能量峰值的成分，剩余成分 中选取首成分，即按照第二歩方法挑选顺序排列的，满足第三歩有分值能量要求的第一个 信号为主要功能响应信号。
全文摘要
一种功能核磁共振扫描下功能响应信号的甄别方法，(1)利用核磁共振仪获得任务态数据和静息态，然后利用功能核磁共振分析软件SPM对数据进行空间和时间上的处理，得到数据集；(2)利用现有的主成分分析方法PCA，降低任务态数据和静息态数据的维度，保留主要信息，即保留构成据数据90％以上信息能量的特征向量，重新构建数据；然后利用现有的时间域上的独立成分分析方法ICA，分别提取出两种数据各自的独立成分，包括机器噪声信号成分、非神经性生理噪声成分和神经性功能信号响应成分；(3)通过在两种数据的各独立成分之间做相关遍历的方法，找出功能信号成分的范围，得到包含功能信号成分的信号集；(4)对信号集中的每一个信号进行频谱分析，剔除在频域空间上没有显著能量峰值的成分，剩余成分中选取首成分，即为主要功能响应信号。
文档编号G01R33/56GK101788656SQ20101010359
公开日2010年7月28日 申请日期2010年1月29日 优先权日2010年1月29日
发明者刘刚, 卢青, 姚志剑 申请人:东南大学;南京医科大学附属脑科医院
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
