技术摘要：
本发明公开了一种多模态连接模式的脑区划分方法。本发明.一种多模态连接模式的脑区划分方法，包括：在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时获得个  全部
背景技术：
神经影像数据是脑科学研究的基石。随着磁共振成像设备的不断改良和成像方法 的逐渐优化，磁共振成像数据不管是在空间分辨率还是时间分辨率中都得到了一定程度的 改善。例如，当所需的研究数据以突出空间分辨率为主时，体素的大小将精确到毫米级甚至 更高的精细度。同时，当所需的研究数据以突出时间分辨率为主时，快速成像技术的优化和 成像设备的硬件条件的改良也能带来时间分辨率的提高。然而，值得注意的是，当MRI数据 的空间分辨率和时间分辨率较高时，数据的量级也会呈现出较大的增长。除去为了提高数 据分辨率而带来的数据量级的增长外，MRI数据本身的量级也十分庞大。在进行磁共振成像 时，在只考虑空间分辨率的情况下，假设体素的大小设置为1mm的立方体，那么进行磁共振 扫描后的MRI数据的量级最小将是108。在考虑时间维度的情况下，MRI数据的量级将更大。 此外，在进行MRI数据的预处理和后续分析时，中间过程所产生的中间数据和日志文件等也 将为数据的存储和计算带来较大的负担。因此，基于以上分析，可以得出的结论是MRI数据 的量级庞大，计算任务比较繁重。 脑网络是一个结构复杂的小世界网络，满足一定的稀疏性质。同时，在神经科学领 域内一个公认的观点是，同时处于一个大脑区域的神经元具有相似的连接模式。由于神经 元的尺度(100um)十分微小，而目前的成像设备和空间编码技术难以达到如此精细的空间 分辨率，因此用体素对其进行模拟。即，同属于一个脑区亚区的体素具有相似的连接模式， 连接模式越相似，属于同一脑区的概率越高。基于此观点，研究者们将脑网络依据体素的连 接模式的相似性对脑区进行划分，将某一脑区内的体素划分为若干数量的亚区，进而将整 个大脑的网络划分为若干数量的子网络。在进行脑网络研究时，便可以具体到子网络水平。 当脑区划分完成后，在进行脑部功能分析时便可以在子网络的连接模式上进行，从而极大 的降低了计算成本。例如，在研究大脑的语言功能时，不进行脑区划分而直接研究时，在具 有解剖学先验知识的情况下，也需要对大脑的语言区进行体素尺度的建模与分析；然而，在 进行语言区的脑区划分后，只需要在语言区的亚区进行亚区尺度的建模与分析即可。通过 以上分析，可以得出的结论是脑区划分为脑科学的研究减轻了计算上的成本，将大脑的功 能研究从全脑尺度缩小到脑区亚区尺度。 以神经影像数据进行驱动的脑信息科学研究是随着磁共振成像技术和计算机科 学的发展而逐渐兴盛的一个新兴的研究方向。因为脑信息科学的发展较晚，且目前的研究 发展处于实验室水平，故在该领域内所能使用的辅助软件较为有限。目前，主流的用于处理 和分析fMRI数据的软件是SPM(Statistical  Parametric  Mapping)，该软件是由英国的 Hammersmith医院的Friston等人在通用数学软件包MATLAB上开发的神经影像分析工具，该 软件的功能包括神经影像数据(包括fMRI、PET等)的预处理，如头动校正、图像配准和空间 平滑等，也包括基于神经影像数据进行统计分析的功能。此外，由牛津大学开发的FSL 4 CN 111583281 A 说　明　书 2/8 页 (FMRIB  Software  Library)软件是一个基于MATLAB的工具包，该软件可用于fMRI和DTI等 数据的分析。FSL的一个强大功能是可以自动的计算体素内神经纤维的走行方向的概率分 布函数，从而进行概率性神经纤维追踪，这为其他函数库和软件的开发提供一个非常实用 的纤维追踪工具。在神经影像数据可视化方面，3D  Slicer是一个具有代表性的医学图像数 据可视化软件，该软件最初由哈佛大学的影像数学实验室进行开发。3D  Slicer具有强大的 3D影像数据可视化的功能，不仅能支持科学研究，也能在实际医疗过程中提供帮助。然而， 这些软件并不具备利用多模态磁共振成像数据进行脑区划分的功能。因此，开发一款利用 多模态磁共振成像数据进行脑区划分的软件具有一定的必要性。 总结以上分析，用于脑科学研究的MRI数据的量级十分庞大，在进行处理和分析时 有较大的计算负担；而基于体素的连接模式对脑区进行划分能将研究范围从全脑尺度缩小 到脑区亚区尺度，从而较大程度地降低了脑科学研究时建模与分析的复杂程度；然而现有 的用于处理和分析神经影像数据的软件工具不能独立地完成不同数据模态下脑区划分的 整个流程；因此，集成开发一套基于多模态连接模式进行脑区划分的软件十分有必要。
技术实现要素：
本发明要解决的技术问题是提供一种多模态连接模式的脑区划分方法。 为了解决上述技术问题，本发明提供了一种多模态连接模式的脑区划分方法，包 括： 在基于功能磁共振成像的脑区划分中，当需要获得组水平的脑区划分结果时，需 要多进行两步，即将个体结果传播到标准空间，并在标准空间获得组上平均值，为了能同时 获得个体水平和组水平的结果，标准步骤如下： fMRI图像的预处理； 从标准空间提取ROI； 将ROI从标准空间配准到个体空间； 在个体空间中计算体素的连接矩阵； 在个体空间中基于连接矩阵进行聚类； 基于聚类结果进行个体水平的脑区标记； 将每个个体水平的脑区划分结果反向配准到标准空间； 在标准空间中计算组水平的脑区划分结果； 在基于弥散张量成像的脑区划分中，为了得到组水平的平均值，也需要将个体脑 区划分的结果传播到标准空间中，然后再在标准空间中获得组水平的结果，基于弥散张量 成像进行脑区划分的完整流程如下： DWI图像的预处理； 从标准空间提取ROI； 将ROI从标准空间配准到个体空间； 基于DWI图像计算ROI内体素的弥散张量； 基于弥散张量进行神经纤维追踪； 基于神经纤维追踪的结果计算ROI内体素的连接矩阵； 在个体空间中基于连接矩阵进行聚类； 5 CN 111583281 A 说　明　书 3/8 页 基于聚类结果进行个体水平的脑区标记； 将每个个体水平的脑区划分结果反向配准到标准空间； 在标准空间中计算组水平的脑区划分结果； 是基于两种磁共振成像模态的数据，实现数据文件的读取和保存，然后根据两种 连接模式的脑区划分流程自动化地进行个体和组水平的脑区划分并记录中间结果，最后实 现脑区划分结果的可视化和中间结果的可视化。 在其中一个实施例中，从标准空间提取ROI，具体包括：先读取大脑模板的数据文 件，大脑模板的数据文件中包含所有体素的空间坐标文件；然后根据输入的ROI区域从大脑 模板的数据文件中复制ROI区域的坐标文件到工作目录下。 在其中一个实施例中，fMRI图像数据的预处理是在SPM和REST软件中完成的；只需 要向SPM和REST软件提供所需要处理的图像数据地址、预处理过后的文件保存地址、文件名 称的定义方式；预处理后的文件保存地址应选择为工作目录的地址；SPM软件中的数据预处 理步骤包括：数据格式转换、时间校正、头动校正、配准与空间标准化、空间平滑；REST软件 中的数据预处理步骤包括回归生理噪声和低频滤波。 在其中一个实施例中，在个体空间中计算体素的连接矩阵，具体包括先根据预处 理后的fMRI图像计算ROI内每一体素的功能信号的时间序列，即为ROI内每一个体素生成一 个功能信号的向量；然后再基于皮尔逊相关或稀疏表达的方法计算体素之间的相关矩阵； 最后再处理相关矩阵使其归一化成为可以用于谱聚类的连接矩阵。 在其中一个实施例中，在个体空间中基于连接矩阵进行聚类，具体如下：谱聚类的 输入包括权值图和聚类类别数；权值图即为fMRI_Calculate_connection_matrix( )函数 中计算得到的连接矩阵；聚类类别数需要用户定义，为了得到较准确的脑区划分结果，需要 遍历聚类类别数，遍历范围为2到最大类别数。 在其中一个实施例中，最大类别数的选取依据经验值和ROI的属性。 在其中一个实施例中，DWI图像的预处理是在SPM和FSL软件中完成的，SPM中的主 要预处理步骤包括数据格式转换、头动校正、配准与空间标准化，FSL中的主要预处理步骤 包括涡流校正；同样地，在SPM中也会生成标准空间与个体空间的配准转换矩阵。 基于同样的发明构思，本申请还提供一种计算机设备，包括存储器、处理器及存储 在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所 述方法的步骤。 基于同样的发明构思，本申请还提供一种计算机可读存储介质，其上存储有计算 机程序，该程序被处理器执行时实现任一项所述方法的步骤。 基于同样的发明构思，本申请还提供一种处理器，所述处理器用于运行程序，其 中，所述程序运行时执行任一项所述的方法。 本发明的有益效果： 整合了两种磁共振成像数据模态下基于连接模式进行脑区划分的流程，并提出了 具体的集成化软件的开发方法。 附图说明 图1是本发明多模态连接模式的脑区划分方法的整体流程图。 6 CN 111583281 A 说　明　书 4/8 页 图2是本发明多模态连接模式的脑区划分方法中的基于fMRI连接模式的脑区划分 的流程图。 图3是本发明多模态连接模式的脑区划分方法中的基于DT  I连接模式的脑区划分 的流程图。 图4是本发明多模态连接模式的脑区划分方法中的分区结果可视化的设计图.