[0047]
(3)
[0048] 构建fMRI数据特征空间的第二维特征R2= |>2(ρ) | pGV}，其牛
为序列均值，
％邻域中对应体素的均值;以及
[0049] 特征空间构建子单元，用于构建所述特征空间S，其中，SiiR^Rs}。
[0050] 本发明一较佳实施方式中，在所述特征空间S中，给定空间中的采样点的核函数为 k(x)和容许误差ε，所述搜索单元进一步包括以下子单元：
[0051] 条件设置子单元，用于在所述特征空间S中任意选择初始搜索区域圆心0,半径为 核宽h;
[0052] 计算子单元，用于在搜索区域内计算均值漂移Mh(x):
[0053]
(2)
[0054] 该向量总是指向密度增加的方向；
[0055]判断子单元，用于判断：如果均值漂移向量的模小于容许误差ε，| |Mh(x)| |〈ε，迭 代算法结束;否则利用下式(3)计算χ得到新的圆心<y，返回给所述计算子单元继续计算；
[0056](3) ? * V
J
[0057] 本发明一较佳实施方式中，所述输出单元还用于将所述特征空间S中收敛到同一 个点的样本点算作一类，得到所述激活区检测结果。
[0058] 本发明一较佳实施方式中，所述数据抓取单元还用于对所述fMRI实验数据进行预 处理。
[0059] 相较于现有技术，本发明提供的脑激活区检测方法和装置不但可以检测到活动较 强的激活体素，还可以敏感地检测到那些由活动微弱但空间域高度相关的体素构成的脑激 活区，具有良好的抗噪能力和高灵敏度。
[0060] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够 更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
【附图说明】
[0061] 图1是本发明第一实施例提供的脑激活区检测方法的流程示意图。
[0062] 图2是本发明第二实施例提供的脑激活区检测装置的结构示意图。
[0063] 图3是本发明第二实施例提供的脑激活区检测装置的构建单元的结构示意图。
[0064] 图4是本发明第二实施例提供的脑激活区检测装置的搜索单元的结构示意图。
【具体实施方式】
[0065] 为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中 给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文 所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更 加透彻全面。
[0066] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的 技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具 体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语"及/或"包括一个或多个 相关的所列项目的任意的和所有的组合。
[0067]请参阅图1，图1是本发明第一实施例提供的脑激活区检测方法的流程示意图，包 括以下步骤：
[0068] 步骤S1，获取fMRI数据。
[0069] 具体地，先制定实验刺激方案，采集fMRI实验数据并对所述实验数据进行预处理。 预处理目的是检测和修复由磁共振扫描仪或者被试个人在进行数据采集时产生的伪迹或 者为接下来的数据处理做准备。
[0070] 步骤S2，构建fMRI数据的二维邻域特征空间S。
[0071] 具体地，包括以下步骤：
[0072] 步骤S21，给定一组包含T个时间点的fMRI体数据V={Vt|t = l，2,. . .，T}，其中Vt为 时间点t的fMRI体数据，体素 p的时间序列I(p) = {I(p，t) |t = l，2, . . .，T，pEV}，其中I(p, t)为体素 p在Vt中的信号强度;fMRI成像过程中，外部刺激为特定时间点的刺激信号，设定 为刺激函数E(t)(t = l，…，T)，则体素 p的时间序列I(p)与刺激函数E(t)的相关系数n(p) 可由互相关分析获得，表示为：
[0073]
(1)
[0074] 其中
％体素 P的信号强度均值
为刺激函数均 值。相关系数Π (ρ)的大小反应了该体素参与任务刺激的相关程度。
[0075] 步骤S22,引入体素 ρ周围邻域信息，定义体素 ρ的邻域为= = 2，一，11}，11为邻域以？）内体素的个数，取每个体素邻域以？）内所有体素的时间序列与刺激 函数的相关系数的平均值，定义为，表示为：
[0076]
(2)
[0077] 构建fMRI数据的第一维特征馬=fet) | p e rj;
[0078] 步骤S23,获取体素 p与该体素邻域中的体素的相关系数r2(p)，相关系数〇(?)反映 了 fMRI数据邻域空间的一致性，表示为：
[0079]
⑶
[0080] 其#
%序列均值，
I邻域中对应体素的均值， 构建fMRI数据特征空间的第二维特征R2= Ιτ2(ρ) I pev};
[0081 ] 步骤S24，构建所述特征空间S，其中，S = {Ri，R2}。
[0082]在其他实施例中，η的取值范围，可以根据实际情况设置，可以是8邻域或者4邻域 等等。
[0083]步骤S3,采用均值漂移算法对特征空间S进行聚类搜索。
[0084] 具体地，在所述特征空间S中，给定空间中的采样点的核函数为k(x)和容许误差ε， 且进一步包括以下步骤：
[0085] 步骤S31，在所述特征空间S中任意选择初始搜索区域圆心0,半径为核宽h;
[0086] 步骤S32,在搜索区域内计算均值漂移Mh(x):
[0087]
(2)
[0088] 该向量总是指向密度增加的方向；
[0089]步骤S33,如果均值漂移向量的模小于容许误差ε，| |Mh(x) | |〈ε，迭代算法结束；否 则利用下式(3)计算X得到新的圆心(/，返回执行步骤S32;
[0090]
(3)
[0091] 在步骤S31中，关键参数为核宽h，其决定了搜索区域的大小，h取值的不同会影响 算法的结果，在其他实施例中，可根据构成的特征空间S的不同，核宽h的取值也会不同。 [0092]步骤S4,得到激活区检测结果。
[0093] 具体地，包括:重复步骤S1至S3(在本实施例中是指重复步骤SI、S21至S23、S31至 S33)，直到| |Mh(x)| |〈ε、公式(2)收敛到局部密度极大值点，X漂移到局部极大点时，将所述 特征空间S中收敛到同一个点的样本点算作一类，得到V Ν - M S C算法（V ο X e 1 ' S Neighborhood-based Mean-Shift Clustering,VN-MSC)的激活区检测结果。
[0094] 本实施例提供的脑激活区检测方法利用了大脑同一区域的体素具有相似性质的 特点，即脑功能区都是呈块状分布，是由一些fMRI数据空间相连的体素所组成的团簇，而非 单个体素形成的点状分布，因此充分利用了 fMRI数据体素空间的邻域相关性特征来构建特 征空间，并结合均值漂移聚类算法提取不同刺激条件下的脑激活区，不但可以检测到活动 较强的激活体素，还可以敏感地检测到那些由活动微弱但空间域高度相关的体素构成的脑 激活区，具有良好的抗噪能力和高灵敏度。
[0095] 请参阅图2,图2是本发明第二实施例提供的脑激活区检测装置100的结构示意图。 [0096]脑激活区检测装置100包括:数据抓取单元10，用于获取fMRI数据;构建单元20，用 于构建fMRI数据的二维邻域特征空间S;搜索单元30,采用均值漂移算法对所述特征空间S 进行聚类搜索；以及输出单元40，用于得到激活区检测结果。
[0097] 请参阅图3,图3是构建单元20的结构示意图。构建单元20进一步包括以下子单元：
[0098]数据选择子单元201，用于给定一组包含T个时间点的fMRI体数据V= {Vt 11= 1， 2,. . .，T}，其中Vt为时间点t的fMRI体数据，体素 p的时间序列I(p) = {I(p，t) I t = l，2,...， !'，？6￥}，其中1(?，〇为体素?在￥*中的信号强度41?1成像过程中，外部刺激为特定时间点 的刺激信号，设定为刺激函数E(t)(t=l，…，T)，则体素 p的时间序列I(p)与刺激函数E(t) 的相关系数η(ρ)表示为：
[0099]
(1) _?=? t=i
[0100] 其中 为体素 P的信号强度均值为刺激函数均
~ / = 1 值；
[0101] 第一维特征构建子单元202,用于引入体素 p周围邻域信息，定义体素 p的邻域为N (P)，