一种新颖的结构脑连接图谱构建方法与流程

本发明属于生物医学领域，涉及一种基于协同聚类的脑连接图谱构建方法，特别是涉及一种基于协同聚类的弥散张量影像脑连接图谱构建方法。

背景技术：

自20世纪90年代，弥散张量影像脑连接图谱构建研究成为了探索脑区之间纤维结构连接关系的重要途径。由此可见，结构脑连接图谱构建研究是大脑物理解剖连接关系探索的一项基础，当前已成为脑科学研究的热点和前沿。总结归纳国内外的研究，结构脑连接图谱构建主要有三种方法，即基于种子区域的方法、基于脑图谱的方法以及基于数据驱动的方法。

基于种子区域的方法是一种依赖于模型的假设驱动方法。根据研究问题的先验假设选择脑区作为种子区域，然后跟踪识别与种子区域存在纤维连接的脑区，从而完成种子区域脑区结构连接图谱的构建。在结构脑连接图谱研究中，基于种子区域的方法的优点是简单易用、易于解释且应用广泛。但是该方法也存在不足，如构建的结构脑连接图谱的鲁棒性对种子区域的空间位置和大小的依赖性较高。

基于脑图谱的方法是一种不依赖于模型的构建结构脑连接图谱的方法。该方法将脑图谱中的脑区作为节点，每两个节点之间边的权重基于结构连接定义，然后使用模块检测算法将所有节点划分到各个网络模块中，每一个网络模块中的节点及其相互连接就构成一个模块化的结构脑网络，即结构脑连接图谱。此外，实现网络模块之间全局通信的枢纽节点及其连接同样为结构脑连接图谱的一个有机组成部分。虽然基于脑图谱的方法被国内外研究者较为广泛地用于以脑连接组学为手段的脑科学研究中，但是该方法所使用脑图谱的来源以及脑区数量直接影响了所构建结构脑连接图谱(或者结构脑网络)的空间拓扑特征和神经生物学解释。

基于数据驱动的方法是另外一种不依赖于模型的构建结构脑连接图谱的方法，主要包括基于独立成分分析的方法、基于聚类的方法。该方法将全脑划分成多个子网络，每一个子网络中的脑区及其相互连接构成大脑结构连接图谱的一部分。虽然上述基于数据驱动的方法在两种子方法之间或者不同数据集之间构建的结构脑连接图谱均具有较高的鲁棒性和可解释性，并促进了以脑连接组学为手段的脑科学研究，但是现有的基于数据驱动的方法还不能得到某个特定脑结构精细化的结构连接图谱。

现有各种方法构建的结构脑连接图谱还存在明显的不足：基于种子区域的方法对种子区域的选择比较敏感；基于脑图谱的方法依赖于所选择的脑图谱；基于数据驱动的方法尽管不存在前两种方法的缺陷，但现有的基于数据驱动的方法仅限于在全脑尺度上的结构脑连接图谱构建。

技术实现要素：

针对现有方法的不足，本发明的目的在于提出一种有别于传统的新颖且易于验证的基于数据驱动的方法，来解决某个特定脑结构精细化的结构连接图谱构建问题。

为了实现上述目的，本发明采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，即构建考察脑结构精细化的结构连接图谱。该发明的技术方案如图1所示，具体描述如下。

在本发明提出的基于弥散张量影像的结构脑连接图谱协同聚类构建方法中，优先选择研究得较为成熟的丘脑、小脑、基底节等作为考察脑结构。以丘脑的结构连接图谱构建为例，本发明采取的技术路线如图1。首先，提取待考察脑结构丘脑(图1(a))，可以通过自动分割算法来提取。然后，使用纤维跟踪算法来计算丘脑每个体素与其功能主环路(大脑皮层)每个体素之间的概率连接，排列组成丘脑与大脑皮层主环路之间的结构连接矩阵，简称丘脑体素的主环路结构连接矩阵(图1(b))。最后，基于协同聚类对丘脑体素的主环路结构连接矩阵沿行和列方向同时进行聚类，依据聚类类别重新排列丘脑体素的主环路结构连接矩阵(图1(c))，图1(d)为基于协同聚类构建的丘脑结构连接图谱示意图，即聚类识别的丘脑结构子区及其连接脑区。

在对丘脑、小脑、基底节等脑结构进行结构脑连接图谱构建成功的基础上，还可以逐渐推广到其它脑结构的结构连接图谱构建研究，进而不断完善本发明提出的基于协同聚类的结构脑连接图谱构建方法并使其具有普适性。

另外，对构建的结构脑连接图谱的正确性进行验证一直是一个难题。本发明采取的验证方案描述如下。本发明采取两种不同角度的验证途径。首先，选择脑分区及子区连接脑区研究得较为成熟的脑结构(如丘脑、小脑、基底节等)进行验证。其次，由于结构连接是解剖连接的近似和估计、人类和动物的大脑具有同源性等原因，本发明将基于示踪技术所获得的动物脑解剖连接图谱作为金标准，来验证构建的人类脑的结构连接图谱。

附图说明

图1是本发明提出的基于协同聚类的弥散张量影像脑连接图谱构建方法的技术方案。

图2是使用本发明提出方法得到的7个丘脑分割子区。

具体实施方式

本发明提出了一种基于协同聚类的弥散张量影像脑连接图谱构建方法，该方法的技术方案如图1所示。以丘脑的结构连接图谱构建为例，具体的实施方式说明如下。

(1)采集获取弥散张量影像数据。采集得到了1个被试的弥散张量影像，其空间分辨率和弥散敏感梯度方向数分别为1.25×1.25×1.25立方毫米和270个。

(2)提取待考察脑结构丘脑及其功能主环路(除脑岛外的大脑皮层)。使用freesurfer自动提取此被试的丘脑和大脑皮层。

(3)计算结构连接矩阵。使用probtrackx2工具来计算丘脑每个体素与其功能主环路(大脑皮层)每个体素之间的概率连接，将该连接概率作为主环路结构连接矩阵元素的值。

(4)构建结构脑连接图谱。使用协同聚类算法对同侧的丘脑及其大脑皮层功能主环路的结构连接矩阵进行聚类。通过聚类识别丘脑的结构子区及其连接脑区，即实现丘脑的结构连接图谱构建。

(5)构建得到丘脑的结构连接图谱。丘脑被分割为7个结构子区，包括丘脑颞额极区、丘脑腹内侧额叶皮质区、丘脑腹外侧额叶皮质区、丘脑额顶区、丘脑运动区、丘脑默认网络区和丘脑视觉区。

(6)验证构建的丘脑结构连接图谱。与颞额极网络、腹内侧额叶皮质网络、腹外侧额叶皮质网络、额顶网络、运动网络、默认网络、视觉网络对应相连接的丘脑结构子区，被分别命名为丘脑颞额极区、丘脑腹内侧额叶皮质区、丘脑腹外侧额叶皮质区、丘脑额顶区、丘脑运动区、丘脑默认网络区、以及丘脑视觉区(图2)。

技术特征：

技术总结
一种新颖的结构脑连接图谱构建方法，脑连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证结构脑连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有结构脑连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度结构脑连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的结构子区及其连接脑区，实现了精细化的结构脑连接图谱构建；同时采取不同角度的两种途径验证了结构脑连接图谱的正确性。

技术研发人员：程和伟;范勇;刘洁
受保护的技术使用者：重庆邮电大学
技术研发日：2018.09.26
技术公布日：2018.12.18