偏头痛异常脑区提取方法、系统、电子设备及存储介质

1.本发明涉及医学影像学图像处理和机器学习技术领域，具体涉及一种基于fmri的偏头痛异常脑区提取方法、系统、电子设备及存储介质。


背景技术：

2.偏头痛是一种常见的阵发性疾病，其临床特征是反复发作的疼痛，伴有恶心、呕吐、对视觉、听觉、嗅觉和体感刺激的过度敏感等症状。偏头痛被世界卫生组织列为第三大常见病和第二大致残原因，严重影响了患者的日常生活和学习工作。目前，偏头痛的发病机制非常复杂，仍处于探索阶段。偏头痛的诊断主要是根据偏头痛发作的类型、家族史、临床表现进行综合判断，主要取决于临床医生的主观判断。其诊断方式缺乏客观的诊断标准，同时也缺乏相应的阳性影像特征。而功能影像学技术的使用能够更加直观的了解偏头痛神经发病机制，进一步挖掘偏头痛的阳性影响特征，进行辅助诊断和和治疗。
3.作为一种从功能上揭示大脑神经活动的影像学技术，功能磁共振成像技术(fmri)在临床上得到了广泛的应用。它具有无侵入性、无创伤性、无放射性、可精确定位、高空间分辨率和高时间分辨率等众多特点，它可以显示大脑的功能信息和结构信息。因此也是偏头痛的研究重要方向之一。目前基于fmri的偏头痛研究中，主要集中于全脑整体的研究。而人脑是一个复杂的结构，左右半脑的结构和功能存在一定的差异。这种差异就形成了大脑的偏侧化。有研究表明偏侧化对不同大脑功能有一定的影响，比如语言功能具有偏侧化性，核心的语言机能与小脑的向右侧化显著相关。本发明旨在基于功能磁共振成像技术及脑功能连接偏侧化，通过一定的算法来提取出偏头痛的异常脑区，在此基础上可以进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。


技术实现要素：

4.针对以上技术问题，本发明提供一种偏头痛异常脑区提取方法，以提取出偏头痛的异常脑区，可以在此基础上进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。相应的，本发明还提供偏头痛异常脑区提取系统、电子设备以及存储介质。
5.根据本发明的一方面，提供一种偏头痛异常脑区提取方法，包括如下步骤：
6.s100，采集若干被试的大脑静息态功能磁共振数据，所述被试被分为正常人和偏头痛患者两组；
7.s200，将已采集的大脑静息态功能磁共振数据进行预处理，以基于该预处理后的大脑静息态功能磁共振数据计算出每个被试的全脑功能连接矩阵；
8.s300，基于所述全脑功能连接矩阵，计算出每个被试的全脑功能连接偏侧化值；
9.s400，对正常人和偏头痛患者两组被试分别进行随机抽样，分别抽取m个被试作为训练样本，剩下l个被试作为测试样本；
10.s500，将所述全脑功能连接偏侧化值作为特征，使用基于支持向量机的递归特征
消除法对训练样本进行特征选择和特征排序，得到s个特征和这s个特征的排序，记为特征选择集；
11.s600，使用支持向量机分类器对测试样本进行分类，得到分类准确率；
12.s700，将s400至s600循环进行k次，以得到k次特征选择集及对应的k个分类准确率；
13.s800，基于该k次特征选择集及k个分类准确率，计算出每个特征的特征影响值；每个特征影响值分别对应一脑区；以及
14.s900，将每个特征影响值从大到小进行排序，并将排序值小于等于一第一预设阈值的特征影响值所对应的脑区提取为偏头痛异常脑区。
15.在本发明的一实施方式中，所述基于该预处理后的大脑静息态功能磁共振数据计算出每个被试的全脑功能连接矩阵包括：
16.根据预处理后的静息态功能磁共振数据，使用脑区模板获取每个被试全脑n个脑区所包含的体素的时间信号值；
17.将每个脑区包含的体素的时间信号值进行平均，以形成每个脑区的平均时间序列；以及
18.根据两平均时间序列之间的皮尔逊相关系数确定两对应脑区的脑功能连接值，以每个被试全脑n个脑区两两之间的脑功能连接值指示该被试的全脑功能连接矩阵。
19.进一步地，以corr
i,j
指示所述脑功能连接值，则：
[0020][0021]
其中，cov(tsi,tsj)为tsi、tsj的协方差，d(tsi)、d(tsj)分别为tsi、tsj的方差，1≤i≤n，1≤j≤n；
[0022]
以fcm指示所述全脑功能连接矩阵，则：
[0023][0024]
其中，1≤u≤n，1≤v≤n；
[0025]
以lfunctioncorr指示所述脑功能连接偏侧化值，则：
[0026][0027]
其中，
[0028]
其中，ac为第c脑区与其他脑区的脑功能连接值的方差，sum(l)c为第c脑区与所有左脑区的脑功能连接值之和，sum(r)c为第c脑区与所有右脑区的脑功能连接值之和，1≤c≤n，1≤d≤((n/2)-1)。
[0029]
在本发明的一实施方式中，s800包括：
[0030]
计算出每次特征选择集中每个特征的单次特征影响值lscoreq，公式如下：
[0031][0032]
其中，accuq为第q次分类准确率，s为第q次选取的特征集大小，p为该特征在这次特征选择集中的排序位置；如果该特征没有被选中，lscoreq则为0，1≤q≤k；
[0033]
以lfunctioncorrscore指示每个特征的特征影响值，则：
[0034][0035]
在本发明的一实施方式中，所述将已采集的大脑静息态功能磁共振数据进行预处理包括：
[0036]
剔除所有被试的大脑静息态数据的前若干个时间点；
[0037]
采用正弦内插方法消除所述大脑静息态数据的时间偏移；
[0038]
用六度间变换方法消除所述大脑静息态数据的空间偏移；
[0039]
剔除在任何方向上位移大于一第二预设阈值或头部转动大于一预设角度的时间片；
[0040]
以蒙特利尔神经学研究所平面回波成像图像为模对所述大脑静息态数据进行空间标准化；
[0041]
对所述大脑静息态数据进行平滑处理。
[0042]
根据本发明的另一方面，提供一种偏头痛异常脑区提取系统，包括：
[0043]
采集模块，用以采集若干被试的大脑静息态功能磁共振数据，所述被试被分为正常人和偏头痛患者两组；
[0044]
预处理模块，用以将已采集的大脑静息态功能磁共振数据进行预处理，以基于该预处理后的大脑静息态功能磁共振数据计算出每个被试的全脑功能连接矩阵；
[0045]
第一计算模块，用以基于所述全脑功能连接矩阵，计算出每个被试的全脑功能连接偏侧化值；
[0046]
抽样模块，用以对正常人和偏头痛患者两组被试分别进行随机抽样，分别抽取m个被试作为训练样本，剩下l个被试作为测试样本；
[0047]
训练模块，用以将所述全脑功能连接偏侧化值作为特征，使用基于支持向量机的递归特征消除法对训练样本进行特征选择和特征排序，得到s个特征和这s个特征的排序，记为特征选择集；
[0048]
分类模块，用以使用支持向量机分类器对测试样本进行分类，得到分类准确率；
[0049]
循环模块，用以将s400至s600循环进行k次，以得到k次特征选择集及对应的k个分类准确率；
[0050]
第二计算模块，用以基于该k次特征选择集及k个分类准确率，计算出每个特征的特征影响值；每个特征影响值分别对应一脑区；以及
[0051]
提取模块，用以将每个特征影响值从大到小进行排序，并将排序值小于等于一第一预设阈值的特征影响值所对应的脑区提取为偏头痛异常脑区。
[0052]
根据本发明的另一方面，提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述偏头痛异常脑区提取方法的步骤。
[0053]
根据本发明的又一方面，提供一种电子设备，所述电子设备包括：
[0054]
处理器；
[0055]
存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述偏头痛异常脑区提取方法的步骤。
[0056]
本发明可以提取出偏头痛的异常脑区，在此基础上可以进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。具体而言：
[0057]
1、本发明有助于根据脑功能连接偏侧化来提取偏头痛的异常脑区。
[0058]
2、本发明通过特征提取方法和分类方法相结合的方式，使用计算特征影响值的方法，提高了整个方法的准确度和客观性。
[0059]
3、本发明提取的偏头痛异常脑区可以为临床上偏头痛疾病的神经受损机制的进一步研究提供数学基础和影像基础。
附图说明
[0060]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0061]
图1是本发明一实施例中偏头痛异常脑区提取方法的流程图。
[0062]
图2是本发明一实施例中偏头痛异常脑区提取系统的模块图。
[0063]
图3是本发明一实施例中电子设备的结构示意图。
[0064]
图4是本发明一实施例中计算机可读存储介质的结构示意图。
具体实施方式
[0065]
为了使本发明的叙述更加详尽与完备，可参照所附图及以下所述各种实施例，图中相同的号码代表相同或相似的组件。另一方面，众所周知的组件与步骤并未描述于实施例中，以避免对本发明造成不必要的限制。在实施方式与权利要求中，涉及“连接”的描述，其可泛指一组件通过其他组件而间接耦合至另一组件，或是一组件无须通过其他组件而直接连接至另一组件。在实施方式与权利要求中，涉及“联机”的描述，其可泛指一组件通过其他组件而间接与另一组件进行有线与/或无线通信，或是一组件无须通过其他组件而实体连接至另一组件。在实施方式与权利要求中，除非内文中对于冠词有所特别限定，否则“一”与“该”可泛指单一个或多个。本文所使用的“约”、“大约”或“大致”是用以修饰任何可微小变化的数量，但这种微小变化并不会改变其本质。在实施方式中若无特别说明，则代表以“约”、“大约”或“大致”所修饰的数值的误差范围一般是容许在百分之二十以内，较佳地是于百分之十以内，而更佳地则是于百分之五以内。
[0066]
根据本发明的一方面，提供一种偏头痛异常脑区提取方法。图1是本发明一实施例中偏头痛异常脑区提取方法的流程图。如图1所示，该提取方法可以包括如下步骤：
[0067]
s100，采集若干被试的大脑静息态功能磁共振数据，所述被试被分为正常人和偏头痛患者两组。
[0068]
具体地，按照临床医学诊断标准，分别采集偏头痛患者组(mp)和正常人对照组
(nc)的大脑静息态功能磁共振图像，两组样本的数目各26个，一共26个被试。数据获取过程中被试要求保持大脑清醒，平躺于磁共振仪器内，不做任何定性思考。
[0069]
s200，将已采集的大脑静息态功能磁共振数据进行预处理，以基于该预处理后的大脑静息态功能磁共振数据计算出每个被试的全脑功能连接矩阵。
[0070]
在本发明的一实施方式中，所述将已采集的大脑静息态功能磁共振数据进行预处理包括时间层矫正、头动矫正、标准化和平滑四个操作。具体可以包括如下步骤：
[0071]
剔除所有被试的大脑静息态数据的前10个时间点。
[0072]
采用正弦内插方法消除所述大脑静息态数据的时间偏移。
[0073]
用六度间变换方法消除所述大脑静息态数据的空间偏移。
[0074]
剔除在任何方向上位移大于1.5mm或头部转动大于1.5
°
的时间片。
[0075]
以蒙特利尔神经学研究所(mni)平面回波成像图像为模对所有数据集进行空间标准化。
[0076]
用大小为6*6*6的平滑核对数据对所述大脑静息态数据进行平滑处理。
[0077]
在本发明的一实施方式中，所述基于该预处理后的大脑静息态功能磁共振数据计算出每个被试的全脑功能连接矩阵包括：
[0078]
根据预处理后的静息态功能磁共振数据，使用脑区模板获取每个被试全脑n个脑区所包含的体素的时间信号值。具体可以使用brainnetomeatlas模板获取全脑的n＝246个脑区b1、b2、
……b246
所包含的体素的时间信号值，将每个脑区包含的时间信号值进行平均，形成246个脑区的平均时间序列ts1、ts2、
……
、ts
246
。
[0079]
将每个脑区包含的体素的时间信号值进行平均，以形成每个脑区的平均时间序列。以及
[0080]
根据两平均时间序列之间的皮尔逊相关系数确定两对应脑区的脑功能连接值，以每个被试全脑n个脑区两两之间的脑功能连接值指示该被试的全脑功能连接矩阵。
[0081]
进一步地，以corr
i,j
指示所述脑功能连接值，则：
[0082][0083]
其中，cov(tsi,tsj)为tsi、tsj的协方差，d(tsi)、d(tsj)分别为tsi、tsj的方差，1≤i≤n，1≤j≤246。
[0084]
以fcm指示所述全脑功能连接矩阵，则：
[0085][0086]
其中1≤u≤246，1≤v≤246。
[0087]
s300，基于所述全脑功能连接矩阵，计算出每个被试的全脑功能连接偏侧化值。
[0088]
以lfunctioncorr指示所述脑功能连接偏侧化值，则：
[0089][0090][0091][0092]
其中ac为第c脑区与其他脑区的脑功能连接值的方差，sum(l)c为第c脑区与所有左脑区的脑功能连接值之和，sum(r)c为第c脑区与所有右脑区的脑功能连接值之和，1≤c≤246，1≤d≤122。
[0093]
s400，对正常人和偏头痛患者两组被试分别进行随机抽样，可以分别抽取20个被试作为训练样本，剩下6个被试作为测试样本。
[0094]
s500，将所述全脑功能连接偏侧化值作为特征，使用基于支持向量机的递归特征消除法对训练样本进行特征选择和特征排序，得到s个特征和这s个特征的排序，记为特征选择集{feat1，feat2，
……
，feats}。
[0095]
s600，使用支持向量机分类器对测试样本进行分类，得到分类准确率。
[0096]
s700，可以将s400至s600循环进行100次，以得到100次特征选择集及对应的100个分类准确率。
[0097]
s800，基于该100次特征选择集及100个分类准确率，计算出每个特征的特征影响值。每个特征影响值分别对应一脑区。以及
[0098]
在本发明的一实施方式中，s800包括：
[0099]
计算出每次特征选择集中每个特征的单次特征影响值lscoreq，公式如下：
[0100][0101]
其中，accuq为第q次分类准确率，s为第q次选取的特征集大小，p为该特征在这次特征选择集中的排序位置。如果该特征没有被选中，lscoreq则为0，1≤q≤100。
[0102]
以lfunctioncorrscore指示每个特征的特征影响值，则：
[0103][0104]
s900，将每个特征影响值从大到小进行排序，并将排序值小于等于一第一预设阈值的特征影响值所对应的脑区提取为偏头痛异常脑区，该第一预设阈值在本实施方式中被设定为20。
[0105]
本发明可以提取出偏头痛的异常脑区，在此基础上可以进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。
[0106]
根据本发明的另一方面，提供一种偏头痛异常脑区提取系统。图2是本发明一实施例中偏头痛异常脑区提取系统的模块图。如图2所示，本实施例中偏头痛异常脑区提取系统300包括采集模块310、预处理模块320、第一计算模块330、抽样模块340、训练模块350、分类模块360、循环模块370、第二计算模块380，以及提取模块390。所述采集模块310用以采集若
干被试的大脑静息态功能磁共振数据，所述被试被分为正常人和偏头痛患者两组。所述预处理模块320用以将已采集的大脑静息态功能磁共振数据进行预处理，以基于该预处理后的大脑静息态功能磁共振数据计算出每个被试的全脑功能连接矩阵。所述第一计算模块330用以基于所述全脑功能连接矩阵，计算出每个被试的全脑功能连接偏侧化值。所述抽样模块340用以对正常人和偏头痛患者两组被试分别进行随机抽样，分别抽取m个被试作为训练样本，剩下l个被试作为测试样本。所述训练模块350用以将所述全脑功能连接偏侧化值作为特征，使用基于支持向量机的递归特征消除法对训练样本进行特征选择和特征排序，得到s个特征和这s个特征的排序，记为特征选择集。所述分类模块360用以使用支持向量机分类器对测试样本进行分类，得到分类准确率。所述循环模块370用以将s400至s600循环进行k次，以得到k次特征选择集及对应的k个分类准确率。所述第二计算模块380用以基于该k次特征选择集及k个分类准确率，计算出每个特征的特征影响值。每个特征影响值分别对应一脑区。所述提取模块390用以将每个特征影响值从大到小进行排序，并将排序值小于等于一第一预设阈值的特征影响值所对应的脑区提取为偏头痛异常脑区。本发明可以提取出偏头痛的异常脑区，在此基础上可以进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。
[0107]
根据本发明的又一方面，提供一种电子设备，所述电子设备包括：
[0108]
处理器；
[0109]
存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述偏头痛异常脑区提取方法的步骤。
[0110]
下面参照图3来描述根据本技术的一个实施例中的电子设备600。其中，图3显示的电子设备600仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0111]
如图4所示，电子设备600以通用计算设备的形式表现。设备600的组件可以包括但不限于：至少一个处理器610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理器610)的总线630、显示单元640等。
[0112]
其中，存储单元存储有程序代码，程序代码可以被处理器610执行，使得处理器610执行本说明书上述电子处方流转处理方法部分中描述的根据本技术各种示例性实施方式的步骤。例如，处理器610可以执行以上方法中的步骤。
[0113]
存储单元620可以包括易失性存储单元形式的存储介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
[0114]
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0115]
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
[0116]
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以
通过网络102适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0117]
本发明可以提取出偏头痛的异常脑区，在此基础上可以进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。
[0118]
根据本发明的另一方面，提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述偏头痛异常脑区提取方法的步骤。
[0119]
参考图4，在一种实施方式中，用于实现上述方法的程序产品800可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，且可以在服务器上运行。然而，本领域技术人员应能理解，本技术所指的程序产品不限于此，计算机存储介质可以是任何包含或存储程序的有形介质，且该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0120]
需要注意的是，本技术可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本技术的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本技术的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
[0121]
另外，本技术的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本技术的方法或技术方案。本领域技术人员应能理解，计算机程序指令在计算机存储介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机存储介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。
[0122]
通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线，例如光纤、同轴等)和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、rf、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。
[0123]
作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括(但不限于)易失性存储器，诸如随机存储器(ram，dram，sram)；以及非易失性存储器，诸如闪存、各种只读存储器(rom,prom,eprom,eeprom)、磁性和铁磁/铁电存储器(mram，feram)；以及磁性和光学存储设备(硬盘、
磁带、cd、dvd)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息或数据。
[0124]
总而言之，本发明可以提取出偏头痛的异常脑区，在此基础上可以进一步研究偏头痛偏侧化程度，从而为探索偏头痛的神经生理机制提供客观依据。。
[0125]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。