(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 202211110512.4 (22)申请日 2022.09.13 (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　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. A61B 5/055(2006.01) A61B 5/369(2021.01) G06T 7/00(2017.01) (54)发明名称 基于层级功能信息流和 “点-线”调节的脑网 络分析方法 (57)摘要 本发明公开了一种基于层级功能信息流和 “点‑线”调节的脑网络分析方法， 包括以下步骤： 步骤一、 采集IGE患者的同步EEG ‑fMRI数据； 步骤 二、 利用SMP12对fMRI数据进行预处理； 步骤三、 提取小脑和纹状体作为种子点， 进行逐步功能连 接分析； 步骤四、 利用广义线性模型计算不同区 域之间“点‑点”的调节效应； 步骤五、 利用广义线 性模型计算不同区域连接之间 “边‑边”的调节效 应； 步骤六、 基于同步EEG ‑fMRI数据， 标记出存在 间期放电的数据， 用放电数据验证癫痫脑网络特 征。 本发明充分考虑IGE中皮层下区域的关键调 节作用， 融合层级功能连接信息流和多重调节模 型， 对皮层下 ‑皮层的功能交互进行直观深入的 刻画， 并利用IEDs作为癫痫特异 的脑特征， 考察 其对脑网络连接的扰动机制。 权利要求书1页 说明书4页 附图1页 CN 115462778 A 2022.12.13 CN 115462778 A 1.基于层级功能信息流和 “点‑线”调节的脑网络分析方法， 其特征在于， 包括以下步 骤： 步骤一、 采集 IGE患者的同步E EG‑fMRI数据； 步骤二、 利用SMP12对fMRI数据进行预处理， 包括去除前5个时间点、 时间层校正、 标准 化、 平滑、 滤波以及去除协变量处 理， 然后将数据降采样至 6mm； 步骤三、 基于Anatomical  Automatic  Labeling模板， 提取小脑和纹状体作为种子点， 对预处理后的fMRI数据进行逐步功能连接分析， 然后对连接强度、 空间范围以及最短连接 距离进行患者与健康被试的组间对比； 步骤四、 基于步骤三得出的组间差异区域， 在个体水平上提取各个感兴趣区的功能活 动时间过程， 利用广义线性模型计算不同区域之间 “点‑点”的调节效应， Z分数化之后进行 组间的统计比对分析； 步骤五、 将所有患者的功能连接串联起来， 提取各个感兴趣区域之间的功能连接值， 并 构建人群上协变的连接序列， 利用广义线性模型计算不同区域连接之间 “边‑边”的调节效 应； 步骤六、 基于同步EEG ‑fMRI数据， 标记出存在间期放电的数据， 并利用放电数据进一步 验证癫痫脑网络特 征。 2.根据权利要求1所述的基于层级功能信 息流和“点‑线”调节的脑网络分析方法， 其特 征在于， 所述步骤三中， 进行逐步功能连接分析包括以下几个步骤： (1)计算种子点每个体 素到全脑体素的功能连接， 去除负连接值之后进 行错误发现率FDR校正， 将矫正之后的连接 值q<0.001的功能连接视为假连接去除， 然后将连接值归一化到0 ‑1范围内， 即获得第一步 连接的结果； (2)以(1)中校验后得到的连接体素为起点， 继续在全脑范围内计算寻找与其 显著连接的体素， 得到第二步的连接结果； (3)重复(2)中的操作， 一共进行20步计算， 得到 不同步长下的连接情况； 对连接强度、 空间范围以及最短连接距离进行组间对比的具体方法为： 通过逐步连接 强度的双样本T检验得到存在显著组间差异的关键皮层区域， 计算各个区域内显著连接的 体素个数， 即为空间范围， 并进 行组间统计对比分析； 另外计算各个区域内部各个体素被首 次显著连接到时所经历的步数， 将其定义为与种子点的最短连接距离， 进行组间统计对比 分析。 3.根据权利要求1所述的基于层级功能信 息流和“点‑线”调节的脑网络分析方法， 其特 征在于， 所述步骤 六具体方法为： 首先， 以IEDs时刻为中心截 取长度为50TR的数据进 行功能 连接分析， 并随机截取1000次连续的50TR长度数据计算功能连接构建空分布， 以此来统计 得到放电引起的显著的功能连接； 其次， 以IEDs为任务 “事件”， 与经典双Gamma的血液动力 学响应函数卷积， 放入心理生理交互模型， 计算交互项beta值， 并随机构建1000次 “虚假 IEDs”， 构建交互效应的空分布， 以此统计得到放电对功能连接的显著调制作用。权　利　要　求　书 1/1 页 2 CN 115462778 A 2基于层级功能信息流和 “点‑线”调节的脑网 络分析方 法 技术领域 [0001]本发明属于图像处理技术领域， 主要涉及功能连接信息流和 “点‑点”，“边‑边”调 节分析方法。 背景技术 [0002]特发性全身性癫痫(IGE)是一种以大脑半球同步放电为特征的神 经系统疾病。 运 动异常是IGE最主要的临床症状， 导致多种脑状态下运动皮层的过度功能活动。 丘脑 ‑皮层 网络在患者癫痫电活动的产生和传播中起着至 关重要的作用。 纹状体和小脑被认为是癫痫 丘脑‑皮层网络的重要调节子。 研究发现小脑 ‑大脑间的大量投射通路为小脑的终止癫痫放 电作用提供了生理基础。 神经影像学研究表明， 癫痫患者存在复杂的脑网络异常连接模式， 并且纹状体和小脑在其中发挥了重要作用。 初级感觉运动网络和默认模式网络是癫痫研究 最多的两个皮层 网络。 默认模式网络负责内部的基本活动， 并被认为对癫痫放电有很大 的 贡献。 感觉运动网络的皮层超兴奋被认为是表征癫痫患者运动易感性的一个重要特征。 已 有研究表明， 阈下刺激运动区域可诱发癫痫患者的大脑过度响应。 默认模式网络和初级感 觉运动网络在IGE中是如何沟通的， 是否由第三方调节的问题到目前为止尚不明晰。 突显网 络负责检测在背景中突出 的信息， 并调制协调多个大脑网络间的信息交互， 以适当地对各 种条件做出反应。 突显网络在精神疾病中已经被深入研究， 如自闭症、 阿尔 茨海默病等。 虽 然癫痫研究中通常也可观察到突显网络功能异常， 但对其在癫痫脑网络中的作用尚未有明 确的理解。 癫痫运动易感性的脑机制是否与突显信息的异常检测有关仍需进一步研究探 讨。 发明内容 [0003]本发明的目的在于克服现有技术的不足， 提供一种充分考虑IGE中皮层下区域的 关键调节作用， 融合层级功能连接信息流和多重调节模型， 对皮层下 ‑皮层的功能交互进 行 直观深入的刻画， 并利用IEDs作为癫痫特异的脑特征， 考察其对脑网络连接的扰动机制的 基于层级功能信息流和 “点‑线”调节的脑网络分析 方法。 [0004]本发明的目的是通过以下技术方案来实现的： 基于层级功能信息流和 “点‑线”调 节的脑网络分析 方法， 包括以下步骤： [0005]步骤一、 采集 IGE患者的同步E EG‑fMRI数据； [0006]步骤二、 利用SMP12对fMRI数据进行预处理， 包括去除前5个时间点、 时间层校正、 标准化、 平滑、 滤波以及去除协变量处 理， 然后将数据降采样至 6mm； [0007]步骤三、 基于A natomical Automatic Labeling模板， 提取小脑和纹状体作为种子 点， 对预处理后的fMRI数据进 行逐步功能连接 分析， 然后对连接强度、 空间范围以及最短连 接距离进行患者与健康被试的组间对比； [0008]步骤四、 基于步骤三得出的组间差异区域， 在个体水平上提取各个感兴趣区的功 能活动时间过程， 利用广义线性模型计算不同区域之间 “点‑点”的调节效应， Z分数化之后说　明　书 1/4 页 3 CN 115462778 A 3