(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211148736.4 (22)申请日 2022.09.21 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 蒋思思　陈均霞　罗程　尧德中　 (74)专利代理 机构 成都虹盛汇泉专利代理有限 公司 51268 专利代理师 王伟 (51)Int.Cl. G06T 7/00(2017.01) (54)发明名称 联合ICA和功能梯度的小脑-大脑运动功能 整合方法 (57)摘要 本发明公开一种联合ICA和功能梯度的小 脑‑大脑运动功能整合方法， 应用于图像处理领 域， 本发明首次组合应用独立 成分分析和脑功能 梯度两种不同的方法研究小脑 ‑大脑功能整合， 并将独立 成分分析作为自变量， 脑功能梯度作为 因变量， 应用基于体素协变的多元线性回归模型 将两种方法进行融合分析， 进一步探究小脑运动 功能对小脑整体功能层次结构的贡献， 从而探索 GTCS疾病对功能整合的扰动。 权利要求书2页 说明书6页 附图2页 CN 115546124 A 2022.12.30 CN 115546124 A 1.一种联合 ICA和功能梯度的小脑 ‑大脑运动功能整合方法， 其特 征在于， 包括： S1、 将被试分为健康对照组与GTCS患者组， 采集所有被试的静息态功能磁共振图像， 并 对静息态 功能磁共 振图像进行 预处理； S2、 对经过预处理的功能磁共振图像进行小脑 ‑大脑功能连接分析， 获得小脑 ‑大脑功 能连接数据； S3、 基于小脑 ‑大脑功能连接数据进行组水平的独立成分分析， 根据与运动网络最佳匹 配原则， 标记出大脑运动 成分， 接着进一步用多元线性回归模型将大脑运动 成分映射到小 脑， 得到小脑运动成分； S4、 基于小脑 ‑大脑功能连接数据进行功能梯度分析， 得到每 个被试的脑 功能梯度； S5、 将小脑运动成分作为自变量， 每个被试的脑功能梯度作为因变量， 应用基于体素协 变的多元线性回归模型将两种方法进 行融合分析， 得到小脑运动功能对小脑功能层级 结构 的贡献； S6、 对健康对照组和GTCS患者组的贡献结果进行统计分析， 得到两个组的显著差异的 脑区。 2.根据权利要求1所述的一种联合ICA和功能梯度的小脑 ‑大脑运动功能整合方法， 其 特征在于， 步骤S2具体为： S21、 从各被试经预处理后的静息态功能磁共振图像 中分别提取小脑和大脑部分， 将提 取的小脑和大脑部分配准到标准空间形成小脑和大脑模板， 并将体素重采样为3 ×3× 3mm3， 最终形成包 含N1个体素的小脑模板和N2个 体素的大脑模板； S22、 针对每 个被试， 提取小脑和大脑中每 个体素的时间序列； S23、 计算小脑中每个体素的时间序列与整个大脑中所有体素的时间序列之间的皮尔 逊相关系数， 得到N1 ×N2相关系数矩阵； S24、 将N1 ×N2相关系数矩阵中所有相关系数经Fisher ‑Z变换得到Z值， 最终每个被试 生成一个N1 ×N2维的小脑 ‑大脑功能连接数据。 3.根据权利要求2所述的一种联合ICA和功能梯度的小脑 ‑大脑运动功能整合方法， 其 特征在于， 记被试总数为n； 步骤S 3将n个被试的N 1×N2维的小脑 ‑大脑功能连接数据纳入组 水平独立成分 分析； 所述组水平独立成分 分析具体分析 过程为： A1、 使用主成分 分析沿N1方向压缩n个 被试的功能数据维度； A2、 利用Infomax算法对串联的压缩后数据进行独立成分 分析； A3、 通过双回归算法重建每个被试的空间独立成分及相应的 “时间过程 ”； 在所有的空 间独立成分中， 根据与运动网络最佳匹配原则， 标记出m个运动成分。 4.根据权利要求3所述的一种联合ICA和功能梯度的小脑 ‑大脑运动功能整合方法， 其 特征在于， 步骤S3所述将大脑运动成分映射到小脑的具体实现过程 为： B1、 将每个被试的运动成分作为自变量， 每个被试的小脑 ‑大脑功能连接数据作为因变 量， 最终每位被试 得到m×N1个映射 值； B2、 对这些映射 值进行Z分数化， 得到Z值图谱， 即小脑运动成分； B3、 对步骤B2得到的小脑运动成分进行平 滑处理； 得到平 滑后的小脑运动成分。 5.根据权利要求4所述的一种联合ICA和功能梯度的小脑 ‑大脑运动功能整合方法， 其 特征在于， 步骤S4具体包括以下分步骤：权　利　要　求　书 1/2 页 2 CN 115546124 A 2S41、 对各被试的小脑 ‑大脑功能数据进行稀疏化； S42、 一个小脑和一个大脑体素为一对体素， 计算成对体素间的余弦距离以生成余弦相 似矩阵； S43、 采用非线性的降维算法从余弦相似矩阵中识别出连接模式的梯度成分， 从而得到 每个被试的脑 功能梯度。 S44、 将所有被试的小脑和大脑的时间序列分别串联， 求串联后的小脑时间序列与大脑 时间序列之间的皮尔逊相关系数， 得到小脑 ‑大脑平均连接矩阵。 该矩阵被计算用来产生一 个组水平的梯度成分模板 。 然后执行Procrustes旋转以使每 个被试的梯度与该模板对齐。 S45、 使用6m m的高斯平 滑核对每 个被试的第一个梯度成分进行平 滑处理。 6.根据权利要求5所述的一种联合ICA和功能梯度的小脑 ‑大脑运动功能整合方法， 其 特征在于， 步骤S5具体为： 将平滑后的每 个被试的梯度和每 个小脑运动成分转换为 一维向量； 应用下列公式， 使用线性回归 模型量化小脑运动成分和梯度之间的关系； 其中， y(i)表示第i个被 试的梯度， Vmotorj(i)表示第i个被试的第j个小脑运动成分， βj(i)表 示第i个被试第j个小脑运动成分对梯度的贡献， c表示常数， ε是回归 模型的残差 。权　利　要　求　书 2/2 页 3 CN 115546124 A 3