基于空间ICA的fMRI静息态脑网络的分离研究 - 副本

图 1 网络识别流程图
4 检验结果 分别挑选出每个受试者的 2 个 RSN 成分后，采用 SPM8 软件的
单样本 T 检验观察每个 RSN 的解剖位置空间分布图，结果以 P<0.05 ( false discovery rate,FDR 校正)阈值水平显示。 图 2，图 3 分别为 sICA 方法分离出的 DMN 和 SMN 两个网络的空间位置分布图，两幅图的 左边均为右利手的 RSN 分布模式，右边为左利手的 RSN 分布模式。 两个空间分布模式如下： 4.1 默认网络 （DMN） 标准的 DMN 的空间分布模式为扣带回后皮 质/楔前叶、内侧前额叶皮质、双侧内侧颞叶及外侧颞下回；统计检验
神经学人标准脑模板空间，并进行空间再采样，使得每个体素的大 小为 3mm×3mm×3mm；④空间平滑，为了确保图像数据具有高信噪 比，采用半高全宽为 8mm 高斯核进行数据平滑。 2 空间独立成分分析
采用空间独立成分分析（sICA）的方法对静息态网络进行分离并 检测，ICA 算法由 GIFT 软件实现。首先，根据 GIFT 软件提供的基于" 最小描述长度"准则，评估出最佳分解成分数，本研究中右利手评估 出 42 个成分数，左利手评估出 41 个成分数；然后，采用空间 ICA 算 法，该方法是将在每个时间点扫描得到的图像数据看成一个混合成 分，进行独立成分分析，得到一系列独立的图像以及与图像相对应 的时间序列，再根据阈值予以个体图像与时间序列再建造；最后，对 各个独立成分分别进行归一化处理，转换为 z 值。 z 值反映的是单个 体素的时间序列和整个独立成分的平均时间序列相关系数的度量，z 值越大，表示的功能连接就越强。 3 静息态脑网络分离识别
独 立 成 分 分 析 法 (independent component analysis,ICA) 是 基 于 信 号 高 阶 统 计 特 性 的 分 析 方 法 , 广 泛 应 用 于 功 能 磁 共 振（fMRI）数 据处理研究中 ， [1,2] 由于 fMRI 数据的空间维数远大于时间维数，因 此空间独立成分分析在 fMRI 图像处理中占有重要作用。 传统的 方法从整个大脑出发去研究左右利手的差异性显得太粗糙，而从 网络连接和静息态层次上也许能更好地理解利手人群的神经生 理机制。 静息态脑网络（resting state network,RSN）是由自发神经元 活动组成的一系列具有特异性的空间模式， 主要包括感觉运动、 视觉、听觉、语言、工作记忆以及默认网络[3]，其中默认网络（default mode network, DMN）在静息态时能量代谢，脑自发活动都远远高 于 其 他 网 络 ， 而 在 参 与 认 知 任 务 时 呈 现 " 负 激 活 "[4] ； 而 感 觉 运 动 网 络（somato-motor network,SMN）则能反映后期的运动对其可塑性的 改变。 利用空间 ICA 的分析方法从左右利手静息态 MRI 图像中提 取出这两个重要网络，可在网络连接层面分析左右利手人群的脑 拓扑特性差异。 1 数据预处理
编辑/申磊
医院病理实时监护系统的设计与实现
刘 峰胡 云 (宁夏医科大学总医院信息中心，宁夏 银川 750004)
摘要：随着我国人口老龄化加速，传统监护方式与医护人员数量不足之间的矛盾日益凸显 ， HMIS 系统解决了此问题。 本文详细介绍 HMIS 的 系统设计及软件框架，并用伪码描述关键技术实现及算法介绍 。 HMIS 系统已顺利运行，效果显著。 关键词：病理监护；实时传输；批量导入
差异的，要分析左右利手人群中这两个重要网络拓扑性质的差异同 人的认知及行为的联系，还需要结合功能磁共振图像的网络分析方 法做进一步的研究。 参考文献： [1] 公 昱 文 ,张 桂 芸 ,马 洪 芝 .ICA 算 法 在 Fmri 中 的 应 用 [J].计 算 机 工 程 与 科 学 ， 2008,30（1）：37-38. [2]Yang, W, et al. Independent component analysis -based classification of Alzheimer's disease MRI data. J Alzheimers Dis, 2011,24(4):775-783. [3]杨志 根 .基 于 独 立 成 分 分 析 的 fMRI 脑 静 息 态 网 络 特 性 研 究 [D].南 京 ：南 京 航 天 航 空 大 学 ,2008. [4]Raichle, M.E, et al. A default mode of brain function. Proc Natl Acad Sci U S A,2001,98(2):676-682. [5]Gusnard, D.A,et al. Medial prefrontal cortex and self-referential mental activity: relation to a default mode of brain function. Proc Natl Acad Sci U S A, 2001,98 (7):4259-4264.
为了避免磁共振机器的匀场效应首先去除功能像的前 10 个时 间点的数据。 采用 SPM8（statistical parametric mapping）软件[5]进行图 像预处理：①时间校正，以中间层采集的时间为基准，对受试者在每 个时间点上的数据进行采集时间差异的校正；②空间对齐，将全部 时间点的数据在空间上与第一个时间点采集的数据对齐，得到受试 者在扫描时间序列中的头动参数， 其中平动大于 3.0mm， 旋动大于 3.0°的 3 例患者数据被剔出；③空间标准化，将数据配准到蒙特利尔
基于空间ICA的fMRI静息态脑网络的分离研究
作者： 作者单位： 刊名：
英文刊名： 年，卷(期)：
杨国城， 李佳凌， 钟丽莎， 肖波 泸州医学院基础医学院,四川,泸州,646000
医学信息 MEDICAL INFORMATION 2012,25(9)
参考文献(5条) 1.公昱文;张桂芸;马洪芝 ICA 算法在Fmri 中的应用 2008(01) 2.Yang,W Independent component analysis -based classification of Alzheimer's disease MRI data 2011(04) 3.杨志根 基于独立成分分析的fMRI 脑静息态网络特性研究[学位论文] 2008 4.Raichle,M.E A default mode of brain function 2001(02) 5.Gusnard,D.A Medial prefrontal cortex and self-referential mental activity:relation to a default mode of brain function 2001(07)
摘要：解剖结构研究发现左利手的大脑左右半球比右利手的更对称 ，而左右利手人群的功能磁共振影像差异的研究甚少 ，因此开 展 功 能 脑 网 络 的研究有利于认识利手人群大脑拓扑特性的差异 。 为了更精确地理解利手人群的神经生理机制 ，本文基于功能磁共振的静息态图像 ，采用空间 独立成分分析的方法分离出左右利手的默认网络 （DMN）和感觉运动网络（SMN），为一步揭示与左右利手相关的生理特性差异做铺垫 。 关键词：左右利手；静息态；功能脑网络；空间独立成分分析
万方数据
图 2 HMIS 系统功能模块图 患者信息管理 ：系统记录有患者基本信息，例如：姓名、性别、年 龄、既往病史、入住科室、入院时间、主治医生、病症等等信息，并通 过此模块查询；信息来源于 HIS，本系统预留病例信息导入功能，提 供接口与 HIS 进行对接， 以确保医院信息管理系统的数据统一，有 利于信息系统整体升级和管理。 警报管理：管理异常警报信息。 警报信息包括患者基本信息和体 征数据，加密后传送[1-2]。 警报信息的触发方式包括两种：①系统触 发： 当系统监测到患者生命体征脱离正常值并已达到警报阈值后， 由系统向患者和医生所携带终端主动发出报警信息； ②患者触发： 患者遇紧急事件时可通过携带的无线监护器主动发出警报，系统收 到警报后即刻转给医生所携带的终端。 实时信息查询：实时查询患者的生命体征，运行流程为：发出指 令→传感器接收并反馈 " 已接收 " 讯号给控制台→传感器采集数据 并反馈给控制台。 监控权限管理：为保护患者隐私，只有匹配权限的用户才可查询 患者的体征信息，例如：主治医生有权限查询患者的体征数据，此模 块的功能就是配置权限，配置方法有两种：①页面配置：在 web 页面 操作，配置用户的使用权限；②通过系统提供的 Excel 文件模板，填 写需要配置的信息，将 Excel 上传至系统，系统自动进行批量配置； 标准数据平台：此模块用于设置各类体征数据的标准值，超出此 标准值的数据即触发警报， 此模块会记录修改标准数据的历史轨 迹；标准数据设置方式包括两种：①Excel 批量导入：系统提供 excel 模板， 用户将需要设置的数据记录其中， 将 excel 导入系统即可；② web 页面设置；web 页面支持单条信息的修改。 报表管理：提供多视角多维度统计病理数据的功能，用于辅助教 学研究。 系统管理：此模块为系统管理员专用，包括数据备份、用户管理、 病例信息导入；其中病例信息导入的功能是将本系统所需的患者数
4.2 感觉运动网络（SMN） 双侧中央前后回及辅助运动区，见图 3。
图 SMN 的空间位置分布图 5 总结
由本研究可以看出，ICA 技术在医学图像处理中得到了较为重 要的应用， 基于空间 ICA 的方法能将 FMRI 图像中的静息态脑网络 精确的提取出来。 单样本 T 检验结果显示的左右利手有着典型的 RSN 空间分布模式，从我们的结果可以看出两组人的分布模式是有
后的 DMN 的空间位置分布结果显示用 sICA 分析方法分离出的默 认网络区域主要在公认的默认网络区域中，见图 2。
收稿日期：2012-11-15