一种人脑功能活动状态分类方法
【技术领域】
[0001] 本发明涉及一种人脑功能活动状态分类方法，具体涉及一种基于判别时间域脑动 力模式学习的人脑功能活动状态分类方法。
【背景技术】
[0002] 功能磁共振成像技术兴起于20世纪90年代，为传统的磁共振技术从单一的形态 结构研宄到与功能相结合的系统研宄提供强有力的技术支持，同时也为神经认知研宄、精 神心理疾病及脑科疾病预防与诊断等提供了技术保障。基于功能磁共振成像技术的认知研 宄往往依据以下有效假设：1.功能磁共振成像技术能够记录不同时刻下的大脑活动；2.不 同认知状态往往会产生不同的脑功能活动。然而，由于人脑结构本身的复杂性与人脑功能 活动的复杂性，根据大脑功能活动状态的不同来研宄并准确推断该大脑功能活动状态所相 应的认知状态是相当困难的。对于以上问题的研宄，常常采用有监督分类模型，即首先记录 已知认知状态下的某些大脑功能活动信号，再依据这些已知认知状态下的大脑活动状态信 号统计学习出关于这些认知状态的有效分类模型。然而，在该模型下如何提取出不同认知 状态下的具有较强辨识能力的功能特征，并构建适当的分类器是很不成熟的，亟需进一步 研宄与发展。
【发明内容】
[0003] 本发明的目的在于提供一种人脑功能活动状态分类方法，能够根据大脑功能活动 状态较为准确地识别该大脑相应的认知状态。
[0004] 为了达到上述目的，本发明通过以下技术方案实现：一种人脑功能活动状态分类 方法，其特点是，包含以下步骤：
[0005]S1、根据不同认知状态对照组下的功能磁共振训练数据集，获得各个认知状态对 照组下的人脑功能活动状态近似描述集；
[0006]S2、对人脑功能活动状态近似描述集进行建模，获得各认知状态对照组所对应的 判定时间域脑动力模式；
[0007]S3、根据判定时间域脑动力模式对待识别人脑功能活动状态近似描述集进行稀疏 表达，获得表达能量值；
[0008]S4、根据表达能量值将该待识别人脑功能活动状态归类于对应的认知状态。
[0009] 所述的步骤S1中具体包含以下步骤：
[0010]S1. 1、取功能磁共振训练数据集中的所有被试的脑功能磁共振信号分别进行相关 预处理操作，其中所有被试的脑功能磁共振信号分别来自K个具有对比性的不同认知状 态，并标记这些认知状态的标签分别为U，2,…，k,…，K-l,K};
[0011]S1. 2、依据认知状态标签，将预处理后的所有被试的脑功能磁共振信号分为K个 对照组，其中，Nk表示第k个认知状态组下的被试数；
[0012] S1. 3、对第k组中第n个被试的经预处理后的脑功能磁共振信号应用Craddock人 脑结构-功能模板提取各感兴趣区中体素的时间过程，并分别计算每个感兴趣区内体素的 平均时间过程；
[0013]S1. 4、将每个感兴趣区内体素的平均时间过程记为该感兴趣区的代表时间过程， 并将所有感兴趣区的代表时间过程进行聚集，形成第k组中关于第n个被试的脑功能磁共 振信号的人脑功能活动状态近似描述集，记为
【主权项】
1. 一种人脑功能活动状态分类方法，其特征在于，包含w下步骤： 51、 根据不同认知状态对照组下的功能磁共振训练数据集，获得各个认知状态对照组 下的人脑功能活动状态近似描述集； 52、 对人脑功能活动状态近似描述集进行建模，获得各认知状态对照组所对应的判定 时间域脑动力模式； 53、 根据判定时间域脑动力模式对待识别人脑功能活动状态近似描述集进行稀疏表 达，获得表达能量值； 54、 根据表达能量值将该待识别人脑功能活动状态归类于对应的认知状态。
2. 如权利要求1所述的人脑功能活动状态分类方法，其特征在于，所述的步骤S1中具 体包含W下步骤： 51.1、 取功能磁共振训练数据集中的所有被试的脑功能磁共振信号分别进行相关预处 理操作，其中所有被试的脑功能磁共振信号分别来自K个具有对比性的不同认知状态，并 标记该些认知状态的标签分别为{1，2,…，k，…，K-1，口； S1. 2、依据认知状态标签，将预处理后的所有被试的脑功能磁共振信号分为K个对照 组，其中，Nk表示第k个认知状态组下的被试数； S1. 3、对第k组中关于第n个被试的经预处理后的脑功能磁共振信号应用haddock人 脑结构-功能模板提取各感兴趣区中体素的时间过程，并分别计算每个感兴趣区内体素的 平均时间过程； S1. 4、将每个感兴趣区内体素的平均时间过程记为该感兴趣区的代表时间过程，并将 所有感兴趣区的代表时间过程进行聚集，形成第k组中第n个被试的脑功能磁共振信号的 人脑功能活动状态近似描述集，记为与"=片;"，皆2，~，邸199，坏 2°"]; S1. 5、重复步骤S1. 3~S1. 4,分别求取第k组中所有被试的脑功能磁共振信 号的人脑功能活动状态近似描述集，W获得第k组的人脑功能活动状态近似描述集 S1. 6、重复步骤S1. 6,分别求取K个认知状态对照组中所有被试的脑功能磁共振信 号的人脑功能活动状态近似描述集，W分别获得K组人脑功能活动状态近似描述集，其中 Xk，1《k《K。
3. 如权利要求2所述的人脑功能活动状态分类方法，其特征在于，所述的步骤SI. 1中 的相关预处理操作包含时间层校正，头动校正，结构像配准，空间标准化到蒙特利尔标准脑 空间，去低频漂移W及带通滤波操作。
4. 如权利要求1所述的人脑功能活动状态分类方法，其特征在于，所述的步骤S2包 含： 52.1、 将判别性时间域脑动力模式的学习过程建模成
的优化问题，其中 At=[a[，…，a:']，列是Xk的第j列的稀疏编码系数，A为惩罚系数，n及n2分别设定 为0. 1，0. 6, 0. 1，Dk，1《k《K分别称之为关于此K组数据集的判别时间域脑动力模式； 52. 2、采用轮换迭代优化问题进行求解。
5. 如权利要求1所述的人脑功能活动状态分类方法，其特征在于，所述的步骤S3中具 体包含W下步骤： 53. 1、待识别的功能磁共振信号进行预处理操作，并依据haddock人脑结构-功能模 板提取各感兴趣区中体素的时间过程，并形成该待识别人脑功能活动状态近似描述集，记 作2二[、，；2，-"，金,.-"4巧9，金2。。]，其中1的取值为1~200之间； S3. 2、识别第i个感兴趣区的时间过程所对应的活动状态g，其中i的取值为1~ 200之间； S3. 3、重复步骤S3. 2,识别待识别人脑功能活动状态近似描述集所有时间过程对应的 活动状态，形成集合(&麻...，宿，...，巧9，皆。。
6. 如权利要求5所述的人脑功能活动状态分类方法，其特征在于，所述的步骤S3. 2包 含： S3. 2. 1、将识别i,.对应的脑活动状态鳥建模成焉=argminw...r{i^jn||i,-DA||; 一Kill}， 其中3k表示在第k个判别时间域脑动力模式下i,的稀疏编码系数，A为惩罚系数，Dk， 1《k《K分别称之为关于此K组数据集的判别时间域脑动力模式； S3. 2. 2、根据判定时间域脑动力模式，采用LASSO算法对:进行稀疏编码计算ak; S3. 2. 3、计算在编码系数ak下公式巧=I耗-DaII; 的能量值，其中1《k《K; S3. 2. 4、取该感兴趣区活动状态的识别状态为=argmin,w,.,.,j^. (巧}
7. 如权利要求5所述的人脑功能活动状态分类方法，其特征在于，所述的步骤S4具体 为，取集合{&，招，…，局，…，皆9,皆。}中频数最大者所对应的识别状态作为该待识别的人脑 功能活动状态的最终认知状态。
【专利摘要】本发明公开了一种人脑功能活动状态分类方法，包含以下步骤：S1、根据不同认知状态对照组下的功能磁共振训练数据集，获得各个认知状态对照组下的人脑功能活动状态近似描述集；S2、对人脑功能活动状态近似描述集进行建模，获得各认知状态对照组所对应的判定时间域脑动力模式；S3、根据判定时间域脑动力模式对待识别人脑功能活动状态近似描述集进行稀疏表达，获得表达能量值；S4、根据表达能量值将该待识别人脑功能活动状态归类于对应的认知状态。本发明能够根据大脑功能活动状态较为准确地识别该大脑相应的认知状态。
【IPC分类】G06K9-62
【公开号】CN104850863
【申请号】CN201510288300
【发明人】王倪传, 曾卫明, 陈艳阳, 陈东太郎, 石玉虎
【申请人】上海海事大学
【公开日】2015年8月19日
【申请日】2015年5月29日