一種用于多被試fMRI數(shù)據(jù)分析的分組張量方法
【專利摘要】本發(fā)明公開了一種用于多被試fMRI數(shù)據(jù)分析的分組張量方法，屬于fMRI數(shù)據(jù)分析領(lǐng)域。其特征在于，以最小化被試間差異性為原則，將原來構(gòu)建一個(gè)大張量的所有被試fMRI數(shù)據(jù)以被試為單位分成多個(gè)子組，使得每個(gè)子組中各被試的時(shí)間過程成分間及腦空間激活區(qū)成分間具有最大的互相關(guān)。較之原始的大張量，由子組fMRI數(shù)據(jù)構(gòu)建的子組張量與張量分解的CP模型更為匹配，故能分解得到性能提升的多被試共有的時(shí)間過程成分和腦空間激活區(qū)成分，如任務(wù)相關(guān)時(shí)間過程成分與先驗(yàn)任務(wù)刺激過程的相關(guān)系數(shù)可提高約0.1，任務(wù)相關(guān)腦空間激活區(qū)成分的噪聲體素?cái)?shù)可下降約23%，期望激活體素?cái)?shù)則基本不變。本發(fā)明對(duì)解決其他類型高維數(shù)據(jù)與CP模型的失配問題具有參考作用。
【專利說明】—種用于多被試fMRI數(shù)據(jù)分析的分組張量方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種多被試fMRI數(shù)據(jù)的分析方法，特別是涉及一種多被試fMRI數(shù)據(jù)分析的張量分解方法。
【背景技術(shù)】
[0002]功能磁共振成像(functionalmagnetic resonance imaging, fMRI)被稱為觀察大腦的有效窗口，因?yàn)閒MRI技術(shù)能夠采集到被試在完成某種特定任務(wù)(task，如視覺、聽覺、運(yùn)動(dòng)等)時(shí)的腦功能數(shù)據(jù)，且具有無損傷和高空間分辨率優(yōu)勢(shì)。通過采用盲源分離(blind source separation, BSS)、獨(dú)立成分分析(independent component analysis, ICA)等數(shù)據(jù)驅(qū)動(dòng)的分析方法，無需任何先驗(yàn)信息，就能從fMRI數(shù)據(jù)中估計(jì)出特定任務(wù)下的多個(gè)(通常幾十個(gè))腦空間激活區(qū)(spatial activations)成分及其時(shí)間過程(time courses)成分，為腦功能分析和臨床診斷提供詳實(shí)依據(jù)。
[0003]fMRI數(shù)據(jù)是高維數(shù)據(jù)。其中，單被試fMRI數(shù)據(jù)為4維，如165X53X63X46，包括3維全腦數(shù)據(jù)(53X63X46)和I維掃描次數(shù)(165);多被試fMRI數(shù)據(jù)為5維，如165 X 53 X 63 X 46 X 16，即在4維單被試fMRI數(shù)據(jù)基礎(chǔ)上又增加了 I維被試個(gè)數(shù)(16)。一般而言，人們會(huì)將3維全腦數(shù)據(jù)展開成一維體素(voxels)數(shù)據(jù)(53 X 63 X 46=153594)，這時(shí)的多被試fMRI數(shù)據(jù)也有3維之多(16X153594X165)。因此，適于處理高維(≥3維)數(shù)據(jù)的張量分解方法在多被試fMRI數(shù)據(jù)分析方面具有很大潛力。
[0004]目前，張量分解的CP (canonical polyadic)模型已被用于fMRI數(shù)據(jù)分析。CP模型假設(shè)了張量數(shù)據(jù)具有平行因子結(jié)構(gòu)，對(duì)于展開成3維的多被試fMRI數(shù)據(jù)而言，也就是假設(shè)了多被試間以不同的強(qiáng)度共享相同的腦空間激活區(qū)成分及其時(shí)間過程成分，具體如下:
[0005]
【權(quán)利要求】
1.一種用于多被試fMRI數(shù)據(jù)分析的分組張量方法，其特征是，將M個(gè)被試fMRI數(shù)據(jù)構(gòu)建的一個(gè)大張量X，以被試為單位分成K個(gè)子組；;ar(1)n^{2)n-n^A1=0,每個(gè)子組包含Nk個(gè)被試,2≤Nk < M ;κ個(gè)子組的被試間互相關(guān)系數(shù)平均值之和a=aw +α(2) +...+ ?(Α.)，在M種分組方案中為最大值，Iw為子組k內(nèi)各被試的任務(wù)相關(guān)時(shí)間過程成分及腦空間激活區(qū)成分之間的互相關(guān)系數(shù)平均值，k= 1，，Κ;對(duì)各子組張量分別進(jìn)行CP分解:X{k} ~° ^ /<*)C ^ /《*)+￡(*.，丫導(dǎo)到各子組被試間共孚的時(shí)間過程成分aJ (k)和腦空間激活區(qū)成分Sj (k)、被試間的強(qiáng)度差異(^k)及殘差(k);互相關(guān)系數(shù)計(jì)算的對(duì)象是M個(gè)被試fMRI數(shù)據(jù)的任務(wù)相關(guān)時(shí)間過程成分ail),a:2i"”af )及腦空間激活區(qū)成分if，由ICA方法分離得到；求取和Si1siM)的協(xié)方差陣Ra和Rs，得到不同被試P、q，P, q e {I, 2，Μ}時(shí)間過程成分和腦空間激活區(qū)成分之間的互相關(guān)系數(shù)&”4#>和r4P>4v};計(jì)算綜合矩陣R = 0.5 I Ra I +0.5 I Rs I，進(jìn)行兩相關(guān)被試{p，q}尋找:以初始被試P開始，將R中第P行元素置零，在第P列元素中尋找最大值所對(duì)應(yīng)的行數(shù)，記為q，則找到與被試P最為相關(guān)的新被試q ;重復(fù){p，q}尋找(Nk-1)次，第一次尋找令初始被試P=未分組被試中編號(hào)最小的，之后尋找令P=q，則構(gòu)建完成含有Nk個(gè)被試的一個(gè)子組；重復(fù)子組構(gòu)建K次，構(gòu)建完成K個(gè)子組，則一種分組方案構(gòu)建完成； 對(duì)于M個(gè)被試的情況，改變第一子組內(nèi)第一次{p，q}尋找的初始被試分別為1，2，...，M，一共構(gòu)建M種分組方案，然后計(jì)算每種分組方案K個(gè)子組協(xié)方差矩陣R1, R2,，Rk上三角元素的平均值之和Q1, a2，，Cim，和值最大的分組方案為最終分組結(jié)果。
【文檔編號(hào)】G06F19/00GK103870710SQ201410126455
【公開日】2014年6月18日 申請(qǐng)日期:2014年3月30日 優(yōu)先權(quán)日:2014年3月30日
【發(fā)明者】林秋華, 鄺利丹, 龔曉峰, 叢豐裕 申請(qǐng)人:大連理工大學(xué)