一种基于多视图聚类的个体和群体脑图谱构建系统

1.本发明涉及脑功能图谱构建技术领域，尤其是一种基于多视图聚类的个体和群体脑图谱构建系统。


背景技术：

2.大脑是人类的神经中枢，其结构和功能复杂，对于大脑工作原理的研究是脑科学研究中的重要内容之一。为了帮助神经科学家和临床医生研究这一前沿领域，大脑结构和功能图谱的构建至关重要，通过将图像标准化到大脑图谱空间，可以实现“公共坐标系”下的大脑图像的组水平和个体水平的统计分析。大脑可以表示成网络，利用图论分析方法，将大脑建模为一个图，以脑区作为图的节点，功能区域的相关性或区域间的白质纤维连接作为图的边。
3.由于目前还没有关于脑网络节点的标准定义，因此脑网络节点的选择仍然是一个有待解决的问题。虽然可采用基于体素的表示方式，但产生的网络噪声大、维度高，不适于进一步的网络分析。为了控制潜在噪声并压缩网络规模，目前通常采用基于大脑分割图谱的节点定义方法，每个节点对应图谱中的一个脑区，由多个结构或功能相似的体素组成。大脑分割图谱的质量直接影响所构建大脑网络的性能，因此高质量的脑图谱是脑网络分析有效性的先决条件。
4.近年来，磁共振成像技术(magnetic resonance imaging，mri)的大力发展为大脑图谱的构建提供了新的途径。相比于传统标志物(如脑沟和脑回等)，mri技术可以提供更为精细的大脑皮质细胞结构和功能特性的刻画，通过与机器学习方法相结合，可创建出更高质量的大脑图谱。相比于结构图谱，功能图谱发展起步较晚，但具有更高的功能一致性，逐渐在各类脑功能相关研究中得到了广泛的关注和应用。目前，研究者们构建的大脑功能图谱主要分为两类，分别是组水平脑功能图谱和个体水平脑功能图谱。其中，组图谱是对平均后的个体相似度矩阵进行聚类，或对个体聚类结果进行组聚类而获得的，可以为大脑宏观的组织结构提供重要的观测指标和统计数据。然而，组图谱缺乏对个体间差异的体现，如果行为预测或疾病诊断与这些差异相关，就难以被准确检测出来。因此，个体水平脑功能图谱在神经科学领域与临床研究中占据越来越重要的地位，它不仅可以预测人的认知，行为，情感等，而且能捕获大脑拓扑结构的个体差异性。然而，目前的研究者们大多是通过经典的聚类和图像分割算法，如k-means、区域增长、层次聚类和谱聚类方法，分别构建组水平和个体水平的脑功能图谱，非常缺乏利用受试者的rs-fmri数据同时构建上述两类图谱的方法。


技术实现要素：

5.本发明所要解决的技术问题在于，提供一种基于多视图聚类的个体和群体脑图谱构建系统，能够同时生成个体水平和群体水平的脑功能图谱。
6.为解决上述技术问题，本发明提供一种基于多视图聚类的个体和群体脑图谱构建系统，包括：实验范式设计模块、图像处理模块、种子点获取模块、脑功能图谱构建模块和脑
功能图谱实时显示模块；实验范式设计模块用于确定多个受试者参与的实验内容和流程，根据研究人员的实验目的进行设计；图像处理模块对采集到的结构磁共振图像和功能磁共振图像进行预处理并保存；种子点获取模块利用slic方法对每个受试者预处理后的功能磁共振数据进行重采样以提取种子点；脑功能图谱构建模块利用多视图聚类方法同时获得个体水平和群体水平的脑功能图谱；脑功能图谱实时显示模块将获得的图谱映射到皮层，以图像方式反馈给研究人员。
7.优选的，实验范式设计模块采用静息态扫描方式。
8.优选的，图像处理模块包括参数配置单元、图像读取单元、格式转换单元和图像预处理单元；参数配置单元用于确定磁共振图像的扫描参数；图像读取单元用于读取采集到的结构磁共振数据和功能磁共振数据；格式转换单元用于将磁共振数据从dicom数据格式转换为nifty数据格式；图像预处理单元用于对磁共振数据进行预处理，包括：头动校正、功能像与结构像的配准和功能图像的滤波和平滑操作。
9.优选的，种子点获取模块利用slic方法对每个受试者预处理后的功能磁共振数据进行重采样以提取种子点；slic算法根据功能相关性和空间邻近性将rs-fmri数据分割成子区域，该方法将搜索空间限制在聚类中心的邻域，可减少距离计算的次数；同时通过整合空间距离和功能相关性来创建统一的距离度量函数，可保证簇内的空间连续性；具体步骤如下：首先初始化k个聚类中心，设n表示体素数量，对于聚类中心周围3s*3s*3s区域中的每个体素，计算该体素与聚类中心之间的距离d：
[0010][0011]
其中dc和dg分别对应于功能和空间距离度量，功能相似性通过皮尔逊相关性来度量，空间距离由沿皮质表面的几何距离来测量，近似为节点间最短路径长度，nc和ng表示归一化因子，该距离作为判断体素应该属于哪个簇的度量，如果与前一次迭代的结果相比，距离减小，则将该体素关联到当前聚类中心，重复上述分配和更新步骤，直到聚类中心的变化低于阈值ε，最终获得的k个聚类中心即为种子点。
[0012]
优选的，脑功能图谱构建模块包括时间序列提取模块、个体相似度矩阵获取模块和一致相似度矩阵获取模块；时间序列提取模块用于提取种子点的时间序列；个体相似度矩阵获取模块用于构建每个受试者的个体相似度矩阵，通过对种子点的时间序列进行费雪变换，使其正态化，然后计算种子点的时间序列之间的皮尔森相关系数，得到个体相似度矩阵；一致相似度矩阵获取模块基于所构建的个体相似度矩阵，利用多视图聚类方法生成群体一致相似度矩阵。
[0013]
优选的，一致相似度矩阵获取模块基于所构建的个体相似度矩阵，利用多视图聚类方法生成群体一致相似度矩阵，具体包括如下步骤：
[0014]
步骤1、构建个体网络的谱嵌入矩阵，给定被试v，假设w
(v)
表示相似度矩阵，d
(v)
为对角矩阵，采用如下公式计算对应的谱嵌入矩阵h
(v)
：
[0015][0016]
其中，a
(v)
＝d
(v)-1/2w(v)d(v)-1/2
，然后，将谱嵌入矩阵h
(v)
的行标准化得到归一化谱嵌
入矩阵其中，
[0017]
步骤2、构建三阶张量并优化个体谱嵌入矩阵；给定被试v，假设节点个数为n，为格拉姆矩阵，将该矩阵重组为一个三阶张量采用如下公式优化个体谱嵌入矩阵：
[0018][0019]
其中λ为平衡参数，τ为奇异值阈值，为张量，张量用于优化张量能够更好的捕获张量的主分量，其中，张量通过张量奇异值分解得到：
[0020][0021]
其中，和是两个正交张量，是一个对角张量，t

＝max(t,0)，表示在上进行离散傅里叶变换(dft)的结果，即
[0022]
在等式(4)中，奇异值用相同的阈值τ进行收缩，然而，对大奇异值的过度收缩将得到一个偏置解，不利于对张量的主分量的挖掘，因此，我们引入了一个加权张量核范数来提高其灵活性：
[0023][0024]
其中，r是张量的秩，n是节点的数量，是奇异值的权重；
[0025]
步骤3、获得群体一致相似度矩阵；将步骤2获得的优化后的个体谱嵌入矩阵的行标准化得到归一化谱嵌入矩阵，个体格拉姆矩阵通过计算优化后的归一化谱嵌入矩阵的内积得到，由于格拉姆矩阵通过内积得到，其对角线元素可表示节点本身的特征，非对角线元素可表示节点之间的特征，因此可以使用格拉姆矩阵表示个体的特征，因此，平均后的格拉姆矩阵即为群体一致相似度矩阵。
[0026]
优选的，脑功能图谱实时显示模块用于将获得的图谱映射到皮层，以图像方式反馈给研究人员。
[0027]
本发明的有益效果为：本发明通过静息态功能磁共振成像(rs-fmri)数据，利用多视图聚类方法同时生成个体水平和群体水平的脑功能图谱，既保证了个体水平脑功能图谱与群体水平脑功能图谱的一致性，也体现了个体间差异，且该方法生成的脑功能图谱具有良好的再现性和同质性；此外通过slic方法获取种子点，并引入张量表示方法，能够对原始数据进行降维，大大减少了运行时间，提高了效率，利用本发明构建的个体水平脑图谱及群体水平脑图谱，有利于获取更加准确的生物特征信息，为临床应用提供帮助。
附图说明
[0028]
图1为本发明的系统结构示意图。
[0029]
图2为本发明图像处理模块的结构示意图。
[0030]
图3为本发明生成群体一致相似度矩阵的流程示意图。
[0031]
图4为本发明的方法评估结果示意图。
具体实施方式
[0032]
如图1所示，一种基于多视图聚类的个体和群体脑图谱构建系统，包括：实验范式设计模块、图像处理模块、种子点获取模块、脑功能图谱构建模块和脑功能图谱实时显示模块；实验范式设计模块用于确定多个受试者参与的实验内容和流程，根据研究人员的实验目的进行设计；图像处理模块对采集到的结构磁共振图像和功能磁共振图像进行预处理并保存；种子点获取模块利用slic方法对每个受试者预处理后的功能磁共振数据进行重采样以提取种子点；脑功能图谱构建模块利用多视图聚类方法同时获得个体水平和群体水平的脑功能图谱；脑功能图谱实时显示模块将获得的图谱映射到皮层，以图像方式反馈给研究人员。
[0033]
实验范式设计模块采用静息态扫描方式。
[0034]
如图2所示，图像处理模块包括参数配置单元、图像读取单元、格式转换单元和图像预处理单元；参数配置单元用于确定磁共振图像的扫描参数；图像读取单元用于读取采集到的结构磁共振数据和功能磁共振数据；格式转换单元用于将磁共振数据从dicom数据格式转换为nifty数据格式；图像预处理单元用于对磁共振数据进行预处理，包括：头动校正、功能像与结构像的配准和功能图像的滤波和平滑操作。
[0035]
种子点获取模块利用slic方法对每个受试者预处理后的功能磁共振数据进行重采样以提取种子点；slic算法根据功能相关性和空间邻近性将rs-fmri数据分割成子区域，该方法将搜索空间限制在聚类中心的邻域，可减少距离计算的次数；同时通过整合空间距离和功能相关性来创建统一的距离度量函数，可保证簇内的空间连续性；具体步骤如下：首先初始化k个聚类中心，设n表示体素数量，对于聚类中心周围3s*3s*3s区域中的每个体素，计算该体素与聚类中心之间的距离d：
[0036][0037]
其中dc和dg分别对应于功能和空间距离度量，功能相似性通过皮尔逊相关性来度量，空间距离由沿皮质表面的几何距离来测量，近似为节点间最短路径长度，nc和ng表示归一化因子，该距离作为判断体素应该属于哪个簇的度量，如果与前一次迭代的结果相比，距离减小，则将该体素关联到当前聚类中心，重复上述分配和更新步骤，直到聚类中心的变化低于阈值ε，最终获得的k个聚类中心即为种子点。
[0038]
如图3所示，脑功能图谱构建模块包括时间序列提取模块、个体相似度矩阵获取模块和一致相似度矩阵获取模块；时间序列提取模块用于提取种子点的时间序列；个体相似度矩阵获取模块用于构建每个受试者的个体相似度矩阵，通过对种子点的时间序列进行费雪变换，使其正态化，然后计算种子点的时间序列之间的皮尔森相关系数，得到个体相似度矩阵；一致相似度矩阵获取模块基于所构建的个体相似度矩阵，利用多视图聚类方法生成群体一致相似度矩阵。
[0039]
优选的，一致相似度矩阵获取模块基于所构建的个体相似度矩阵，利用多视图聚类方法生成群体一致相似度矩阵，具体包括如下步骤：
[0040]
步骤1、构建个体网络的谱嵌入矩阵，给定被试v，假设w
(v)
表示相似度矩阵，d
(v)
为对角矩阵，采用如下公式计算对应的谱嵌入矩阵h
(v)
：
[0041][0042]
其中，a
(v)
＝d
(v)-1/2w(v)d(v)-1/2
，然后，将谱嵌入矩阵h
(v)
的行标准化得到归一化谱嵌入矩阵其中，
[0043]
步骤2、构建三阶张量并优化个体谱嵌入矩阵；给定被试v，假设节点个数为n，为格拉姆矩阵，将该矩阵重组为一个三阶张量采用如下公式优化个体谱嵌入矩阵：
[0044][0045]
其中λ为平衡参数，τ为奇异值阈值，为张量，张量用于优化张量能够更好的捕获张量的主分量，其中，张量通过张量奇异值分解得到：
[0046][0047]
其中，和是两个正交张量，是一个对角张量，t

＝max(t,0)，表示在上进行离散傅里叶变换(dft)的结果，即
[0048]
在等式(4)中，奇异值用相同的阈值τ进行收缩，然而，对大奇异值的过度收缩将得到一个偏置解，不利于对张量的主分量的挖掘，因此，我们引入了一个加权张量核范数来提高其灵活性：
[0049][0050]
其中，r是张量的秩，n是节点的数量，是奇异值的权重；
[0051]
步骤3、获得群体一致相似度矩阵；将步骤2获得的优化后的个体谱嵌入矩阵的行标准化得到归一化谱嵌入矩阵，个体格拉姆矩阵通过计算优化后的归一化谱嵌入矩阵的内积得到，由于格拉姆矩阵通过内积得到，其对角线元素可表示节点本身的特征，非对角线元素可表示节点之间的特征，因此可以使用格拉姆矩阵表示个体的特征，因此，平均后的格拉姆矩阵即为群体一致相似度矩阵。
[0052]
脑功能图谱实时显示模块用于将获得的图谱映射到皮层，以图像方式反馈给研究人员。
[0053]
我们通过比较从hcp test-retest数据集中获得的两种分割，对个体图谱和群体图谱进行再现性分析和功能同质性分析，以此来评估方法的性能，聚类数k选择50、100、150和200。我们使用dice系数和调整兰德指数(ari)来评估分割结果的再现性，使用轮廓系数(silhouette coefficient，si)来评估分割结果的功能同质性。如表1所示，我们的方法在每个分辨率水平上都产生了较好的可重复性结果，个体脑图谱的平均dice系数至少为0.56，ari为0.51，群体脑图谱的平均dice系数至少为0.64，ari为0.61。从整体来看，组级分割在每个分辨率下都比个体级分割具有更大的可重复性，这可能是个体的差异性影响了分
割的可重复性。随着分割分辨率的增加，所有指标都有一个普遍的下降趋势，这可以归因于，随着k的增大，被试的差异性更加显著，从而减少了群体内共同特征之间的相似性，导致不可重复的群体分割。
[0054]
表1个体图谱和组水平图谱的dice系数和ari得分
[0055][0056]
我们使用轮廓系数(si)来评估方法的功能同质性。如表2所示，无论分割分辨率如何，我们的方法都产生了较好的功能同质性结果，并且我们的方法获得的组级和个体级分割的同质性结果在不同的分辨率水平上是高度一致的，个体脑图谱的平均si得分至少为0.96，群体脑图谱的平均si得分至少为0.95。
[0057]
表2个体图谱和组水平图谱的si得分
[0058][0059][0060]
我们使用hcp数据集计算了50、100、150和200个脑区的个体和群体的大脑皮层分割，图4显示了我们的方法在各个分辨率水平上获得的个体和群体分割结果。
[0061]
本发明利用静息态功能磁共振数据和多视图聚类方法，同时生成了群体水平和个体水平的脑功能图谱，并且该方法具有良好的再现性和功能同质性。利用本发明构建的个体水平脑图谱及群体水平脑图谱，有利于获取更加准确的生物特征信息，为临床应用提供帮助。