基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)及挖掘方法，屬于計(jì)算機(jī)技術(shù)與認(rèn)知神經(jīng)科學(xué)【技術(shù)領(lǐng)域】。該系統(tǒng)包括動(dòng)態(tài)因果模型模塊、激活分析模塊、文獻(xiàn)連接分析模塊、尋找子網(wǎng)絡(luò)模塊、文獻(xiàn)數(shù)據(jù)庫(kù)、腦網(wǎng)絡(luò)連接數(shù)據(jù)庫(kù)；首先通過(guò)計(jì)算每篇文獻(xiàn)中大腦各個(gè)坐標(biāo)被激活的概率，計(jì)算出相應(yīng)解剖區(qū)域被激活的概率，得到被激活的腦區(qū)，通過(guò)關(guān)聯(lián)規(guī)則算法挖掘出大腦腦區(qū)頻繁出現(xiàn)的模式，計(jì)算置信度，得到可信的大腦功能網(wǎng)絡(luò)，構(gòu)建相應(yīng)的文獻(xiàn)生成腦網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，然后利用核磁功能共振成像系統(tǒng)，采集相應(yīng)的核磁功能成像數(shù)據(jù)，利用動(dòng)態(tài)因果模型，驗(yàn)證該網(wǎng)絡(luò)邊的實(shí)際連接方向以及權(quán)值。解決了大腦連接分析時(shí)計(jì)算時(shí)間過(guò)長(zhǎng)，準(zhǔn)確度低的問(wèn)題。
【專利說(shuō)明】基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于文獻(xiàn)分析及核磁功能共振圖像(fMRI)分析的腦連接挖掘系統(tǒng)及挖掘方法，屬于計(jì)算機(jī)技術(shù)與認(rèn)知神經(jīng)科學(xué)【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]認(rèn)知神經(jīng)科學(xué)中， 由于其研究工具的特殊之處，其論文中得到的結(jié)論有著非常結(jié)構(gòu)化的輸出。將不同文獻(xiàn)中的結(jié)論總結(jié)出來(lái)，有可能得到意想不到的結(jié)果，從而帶來(lái)科學(xué)上的飛躍?，F(xiàn)有的總結(jié)認(rèn)知神經(jīng)科學(xué)結(jié)論的方法無(wú)外乎兩種。第一種即通過(guò)大量閱讀文獻(xiàn)，通過(guò)專家的意見(jiàn)，得到結(jié)論，這一類分析方法即通常意義上所說(shuō)的綜述。通過(guò)綜述的方式得到的認(rèn)知神經(jīng)科學(xué)的結(jié)論往往有許多不足之處，其原因是寫(xiě)綜述的人往往會(huì)遺漏某些細(xì)節(jié)或者錯(cuò)誤的估量了某些知識(shí)點(diǎn)的重要程度。另外一種總結(jié)認(rèn)知神經(jīng)科學(xué)結(jié)論的方法即是通過(guò)計(jì)算機(jī)輔助總結(jié)。目前總結(jié)認(rèn)知神經(jīng)科學(xué)結(jié)論的方法主要還是停留在計(jì)算最大概率激活點(diǎn)(Activation likelihood estimation, ALE) (Laird, A.R.et al.,.ALEmeta -analysis:Controlling the false discovery rate and performing statisticalcontrasts[J].Human Brain Mapping,2005，25(1):155-164;Turkeltaub，P.E.etal.,.Meta-analysis of the functional neuroanatomy of single-word reading:methodand validation [J].Neuroimage, 2002, 16(3):765-780)上。該類方法通過(guò)輸入同性質(zhì)實(shí)驗(yàn)范式論文的激活種子點(diǎn)集合S，求取最有可能被激活的點(diǎn)，被求取的種子點(diǎn)所含區(qū)域即認(rèn)為是大腦做相應(yīng)任務(wù)時(shí)活動(dòng)的區(qū)域。現(xiàn)階段，隨著認(rèn)知神經(jīng)科學(xué)的發(fā)展，研究的焦點(diǎn)已經(jīng)從求取大腦功能分離的區(qū)域變?yōu)檠芯看竽X網(wǎng)絡(luò)構(gòu)造的系統(tǒng)論，ALE不能滿足腦網(wǎng)絡(luò)系統(tǒng)論的要求。同時(shí)ALE方法在種子點(diǎn)建模上也有缺陷。即認(rèn)為種子點(diǎn)周圍的激活情況是以種子點(diǎn)為圓心的一個(gè)三元高斯分布:
【權(quán)利要求】
1.一種基于文獻(xiàn)分析及核磁功能共振圖像(fMRI)分析的腦連接數(shù)據(jù)挖掘系統(tǒng)，其特征在于:包括動(dòng)態(tài)因果模型模塊、激活分析模塊、文獻(xiàn)連接分析模塊、尋找子網(wǎng)絡(luò)模塊、文獻(xiàn)數(shù)據(jù)庫(kù)、腦網(wǎng)絡(luò)連接數(shù)據(jù)庫(kù)；其中， 動(dòng)態(tài)因果模型模塊完成對(duì)fMRI圖像的有效功能連接分析，其輸入是fMRI機(jī)器采集的3D腦圖像以及尋找子網(wǎng)絡(luò)模塊輸出的大腦子網(wǎng)絡(luò)，其輸出是大腦在做特定任務(wù)下的腦有效功能連接； 激活分析模塊通過(guò)分析fMRI圖像得到人腦在做特定任務(wù)下的激活區(qū)域，其輸入是fMRI機(jī)器采集的3D腦圖，其輸出是大腦激活的區(qū)域以及相應(yīng)的區(qū)域峰值點(diǎn)； 尋找子網(wǎng)絡(luò)模塊通過(guò)求激活分析得到的激活區(qū)域和文獻(xiàn)連接分析模塊輸出的網(wǎng)絡(luò)的交集，從而縮小動(dòng)態(tài)因果模型模塊需要驗(yàn)證模型的數(shù)量，其輸入是激活分析模塊得到激活區(qū)域和腦網(wǎng)絡(luò)連接數(shù)據(jù)庫(kù)輸出的腦網(wǎng)絡(luò)，其輸出是兩者的交集； 文獻(xiàn)連接分析模塊分析前人文獻(xiàn)中腦區(qū)激活分析的研究成果，發(fā)現(xiàn)蘊(yùn)含在其間的腦功能網(wǎng)絡(luò)。其輸入是前人關(guān)于大腦在特定任務(wù)下激活的文章，該模塊的輸出是大腦在做某一類認(rèn)知任務(wù)時(shí)的腦有效功能網(wǎng)絡(luò)；文獻(xiàn)數(shù)據(jù)庫(kù)模塊提供一套界面，完成對(duì)文獻(xiàn)的關(guān)鍵知識(shí)數(shù)據(jù)進(jìn)行存儲(chǔ)、查詢、刪除、更新等操作，其輸入是各類認(rèn)知神經(jīng)科學(xué)文章，輸出是這些文章的關(guān)鍵結(jié)論； 腦網(wǎng)絡(luò)連接數(shù)據(jù)庫(kù)模塊提供一套接口，完成對(duì)文獻(xiàn)分析模塊輸出的網(wǎng)絡(luò)進(jìn)行存儲(chǔ)、查詢、刪除、更新等操作，其輸入是文獻(xiàn)分析模塊輸出的關(guān)于某一類特定任務(wù)的腦網(wǎng)絡(luò)，輸出的結(jié)果也是關(guān)于某一類特定任務(wù)的腦網(wǎng)絡(luò)。
2.基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)的挖掘方法，其特征在于，具體步驟如下: 步驟一收集論文中所提及的腦激活區(qū)域的體積以及該激活區(qū)域的峰值點(diǎn)坐標(biāo)作為輸入，通過(guò)建立合適的模型，得到在該論文條件下，大腦每個(gè)點(diǎn)Xi被激活的概率Pr (Xi)； 步驟二通過(guò)步驟一，得到在每篇論文中，大腦每個(gè)點(diǎn)被激活的概率，將這個(gè)概率分布視為一個(gè)腦激活概率分布圖，通過(guò)查詢某些腦區(qū)解剖邊界標(biāo)注數(shù)據(jù)庫(kù)，得到每個(gè)腦區(qū)解剖區(qū)域V的邊界；將邊界作為積分界限，對(duì)解剖區(qū)域內(nèi)的激活概率進(jìn)行積分:
3.根據(jù)權(quán)利要求2所述的基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)的挖掘方法，其特征在于:所述的步驟一中，采取不同的模型對(duì)大腦中各個(gè)點(diǎn)被激活的概率進(jìn)行建模，這些模型需要滿足如下條件:1)離區(qū)域峰值坐標(biāo)越遠(yuǎn)，該像素被激活的概率越小；2)當(dāng)被激活腦區(qū)的體積足夠大時(shí)，盡管某些點(diǎn)離峰值坐標(biāo)較遠(yuǎn)，也不應(yīng)該忽略其被激活的概率；3)兩個(gè)激活區(qū)域若有重疊，則他們之間被激活的概率也不應(yīng)該被忽略； 定義Pr(Xi，a)為Xi在激活區(qū)域a的影響下，其被激活的概率，則Pr(Xi，a)的定義如
4.根據(jù)權(quán)利要求2所述的基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)的挖掘方法，其特征在于:所述的步驟二中，根據(jù)不同的腦區(qū)解剖邊界標(biāo)注數(shù)據(jù)庫(kù)，得到不同級(jí)別的腦區(qū)激活粒度。
5.根據(jù)權(quán)利要求2所述的基于文獻(xiàn)分析及核磁功能共振圖像分析的腦連接挖掘系統(tǒng)的挖掘方法，其特征在于:所述的步驟三中，選取任意的關(guān)聯(lián)規(guī)則算法挖掘頻繁項(xiàng)集和頻繁項(xiàng)集中腦區(qū)互聯(lián)的置信度。
【文檔編號(hào)】G06F19/00GK103678895SQ201310646349
【公開(kāi)日】2014年3月26日 申請(qǐng)日期:2013年12月4日 優(yōu)先權(quán)日:2013年12月4日
【發(fā)明者】牛振東, 周乾 申請(qǐng)人:北京理工大學(xué)