JP7356590B2

JP7356590B2 - 脳機能地図を描画するための方法およびシステム

Info

Publication number: JP7356590B2
Application number: JP2022533142A
Authority: JP
Inventors: 魏可成; 李海洋; 胡清宇
Original assignee: 北京優脳銀河科技有限公司
Priority date: 2019-12-02
Filing date: 2020-10-19
Publication date: 2023-10-04
Anticipated expiration: 2040-10-19
Also published as: EP4071765A4; US20220414979A1; EP4071765A1; WO2021109727A1; US12079930B2; CN117954055B; CN111081351A; CN111081351B; JP2023504662A; CN117954055A

Description

本発明は、医療画像処理の技術分野に関し、特に脳機能地図を描画するための方法およびシステムに関する。

１９世紀初頭、ドイツの神経解剖学者ＫｏｒｂｉｎｉａｎＢｒｏｄｍａｎｎは、最初に人間の脳地図（ＢｒｏｄｍａｎｎＢｒａｉｎＡｔｌａｓ）を作成し、脳のさまざまな領域がさまざまな機能に関与していることを指摘しました。それ以来、脳地図は脳研究の重要な方向性となっている。人間の脳がどのように分割されているか、領域の境界とこれらの領域間の接続は、脳科学の基礎的および臨床的研究にとって非常に重要である。

長い間、人間の脳の理解の欠如と技術の限界のために、脳の地図は「集団」の方法でしか描くことができない。つまり、人々のグループの脳を研究し、統計分析を実行して、「平均的な」地図を描画することである。「集団」脳機能地図は、人間の多くの共通点と法則を見つけることができる。これは、科学研究において非常に意味がある。アメリカ脳地図（ＡｍｅｒｉｃａｎＢｒａｉｎＡｔｌａｓ）の現在の代表は、２０１６年にＧｌａｓｓｅｒｅｔａｌ．によってＮａｔｕｒｅに公開された「群衆（ｐｏｐｕｌａｔｉｏｎ）」地図である（Ｇｌａｓｓｅｒｅｔａｌ，Ｎａｔｕｒｅ，Ａｍｕｌｔｉ－ｍｏｄａｌｐａｒｃｅｌｌａｔｉｏｎｏｆｈｕｍａｎｃｅｒｅｂｒａｌｃｏｒｔｅｘ，２０１６人間の大脳皮質のマルチモーダルパーセレーション、２０１６年）。

しかし、臨床診療では、医師は個々の患者に焦点を合わせ、彼らが必要とするのは「個々の」脳機能地図である。実際、人間の脳は大きく異なり、２つの人間の脳が同一であるということはない（Ｍｕｅｌｌｅｒｅｔａｌ，Ｎｅｕｒｏｎ，ＩｎｄｉｖｉｄｕａｌＶａｒｉａｂｉｌｉｔｙｉｎＦｕｎｃｔｉｏｎａｌＣｏｎｎｅｃｔｉｖｉｔｙＡｒｃｈｉｔｅｃｔｕｒｅｏｆｔｈｅＨｕｍａｎＢｒａｉｎ，２０１３、人間の脳の機能的接続アーキテクチャにおける個人差、２０１３年）。「集団」の脳の地図は、個人の独自性を消し去り、臨床的意義は限られており、誤解を招くことさえある。したがって、「個々の」脳機能地図のマッピングは、非常に必要とされているが未解決の問題である。

米国特許第９，６６２，０３９号Ｂ２（Ｌｉｕｅｔａｌ。）は、「個々の」脳を絵描きするための方法を記載している。この方法では、１８の機能ネットワークを正常に絵描きでき、これは大きな改善である。ただし、この方法を使用してより高精度の脳機能地図（たとえば、１１２ネットワーク）を描画すると、安定性と弱い耐ノイズ性の問題が発生するため、結果の信頼度が低く、ノイズが多くなる。私たちの知る限りでは、現在、「個々の」脳描画ための良い解決策はない。

本発明によって解決される主な技術的問題は、脳機能地図を描画するための方法を提供することであり、これは、先行技術における高精度の個々の脳機能地図を描画する際の低い安定性、弱いノイズ耐性、および信頼できない結果の問題を克服して、高信頼度かつ正確な結果を達成する、個人の全脳機能ネットワークを、さまざまな精度で高い安定性、高い信頼度、および低いノイズで確実に描画する。本発明によって解決されるべき技術的問題はまた、脳機能地図のための描画システムを提供することである。

上記の技術的問題を解決するために、本発明で採用された技術手段は以下の通りである。

本発明の第１の態様は、脳機能地図を描画するための方法を提供する。当該方法は、脳機能地図テンプレートを使用して個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得し、当該初期の個々の脳機能地図では、個人の脳を複数の機能領域に分割するステップと、初期の個々の脳機能地図を、いくつかの大きな領域に分割するステップと、反復プロセスに入るステップとを備え、各大きな領域には、いくつかの機能領域が含まれ、各反復プロセスは、各大きな領域の各ボクセルと当該大きな領域の各機能領域との接続度を順番に計算し、すべてのボクセルが調整されるまで、各ボクセルを当該ボクセルとの接続度が最も高い機能領域に調整するステップと、終了条件が満たされたときに、反復を終了し、最終的な個々の脳機能地図を取得することを含む。そして、最終的な個々の脳機能地図に基づいて、対応するレポートおよび／または画像を生成することができる。

第１の可能な実施手段において、各反復プロセスは、具体的には、各機能領域内のすべてのボクセルの時系列信号に基づき、各機能領域の参考時系列信号を計算することと、１つの未調整ボクセルを現在ボクセルとして調整することと、現在ボクセルの時系列信号と現在大きな領域内のすべての機能領域の参考時系列信号との間の相関値を計算し、当該相関値を現在ボクセルと現在大きな領域内のすべての機能領域との接続度とし、前記現在大きな領域は、現在ボクセルが属する大きな領域であることと、現在ボクセルを現在ボクセルとの接続度が最も高い機能領域に調整することと、すべてのボクセルが一度調整を完了したかどうかを判断し、すべてのボクセルが一度調整を完了した場合、前記１つの未調整ボクセルを現在ボクセルとして調整するステップに戻すことと、すべてのボクセルが一度調整されると、今回の反復プロセスを終了することとを含む。

第１の可能な実施手段と組み合わせて、第２の可能な実施手段において、反復に入る前に、各ボクセルの信頼度を初期化することをさらに備え、現在ボクセルを現在ボクセルとの接続度が最も高い機能領域に調整した後、現在ボクセルの信頼度を更新することをさらに備え、各機能領域の参考時系列信号を計算することは、各機能領域について、当該機能領域のすべての信頼度が所定のしきい値より小さくないボクセルの時系列信号の平均値または中央値を計算して、当該機能領域の参考時系列信号とすることを含む。

第２の可能な実施手段と組み合わせて、第３の可能な実施手段において、現在ボクセルの信頼度を更新することは、算出された現在ボクセルの時系列信号と現在大きな領域内のすべての機能領域の参考時系列信号との間の相関値から、最大の相関値および２番目に大きい相関値を選択することと、現在ボクセルの信頼度を計算して更新し、現在ボクセルの信頼度は、最大の相関値と２番目に大きい相関値の比率に等しいこととを含む。

第１の態様または第１の態様の第１から第３の可能な実施手段のいずれか１つを、第４の可能な実施手段で組み合わせて、終了条件が満たされたときに、反復を終了することは、反復回数が所定の回数または収束基準に達したとき、反復を終了する。

第１の態様または第１の態様の第１から第４の可能な手段のいずれか１つと組み合わせて、第５の可能な手段において、脳機能地図テンプレートとして集団脳機能地図を事前に選択または生成する。

第１の態様または第１の態様の第１から第５の可能な実施手段のいずれか１つと組み合わせて、第６の可能な実施手段において、脳機能地図テンプレートとして集団脳機能地図を事前に選択または生成するステップは、脳をいくつかの大きな領域に分割するステップと、各大きな領域において集団レベル的機能接続プロファイルを計算するステップと、特徴としての前記機能接続プロファイルに基づいて、クラスタリングアルゴリズムを使用して、各大きな領域を複数のきめ細かい粒度の機能パーティションに分割するステップと、クラスタリングアルゴリズムの指標および機能的均一性を最大化する指標を評価し、複数の局所的な最適パーティションの数を決定するステップと、マージアルゴリズムを使用して、大きな領域内のきめ細かい粒度の機能パーティションをマージし、脳全体の集団脳機能地図を作成して必要な脳機能地図テンプレートとするステップとを含み、当該機能接続プロファイルは、大きな領域のボクセルおよび当該大きな領域内のＮ個の関心領域ＲＯＩの機能的接続マトリックスであり、ここで、Ｎは自然数であり、好ましくは、Ｎは１００以上の自然数である。

第１の態様または第１の態様の第１から第５の可能な手段のいずれかと組み合わせて、第７の可能な手段において、初期の個々の脳機能地図を、いくつかの大きな領域に分割するステップは、脳の左右の皮質それぞれを、前頭葉、頭頂葉、後頭葉、側頭葉および汎中心の溝の５つの大きな領域に分けることにより、初期の個々の脳機能地図を１０個の大きな領域に分割するステップを含む。

本発明の第２の態様は、以下を含む、集団脳機能地図を描画するための方法を提供する。当該方法は、複数の人々の脳のＭＲＩスキャンデータを取得するステップと、脳をいくつかの大きな領域に分割するステップと、各大きな領域において、集団機能接続プロファイルを計算するステップと、特徴としての前記集団機能接続プロファイルに基づいて、クラスタリングアルゴリズムを使用して、各大きな領域を複数のきめ細かい粒度の機能パーティションに分割するステップと、クラスタリングアルゴリズムの指標および機能的均一性を最大化する指標を評価し、複数の局所的な最適パーティションの数を決定するステップと、マージアルゴリズムを使用して、大きな領域内のきめ細かい粒度の機能パーティションをマージし、脳全体の集団脳機能地図を作成するステップとを含み、当該集団機能接続プロファイルは、大きな領域のボクセルおよび当該大きな領域内のＮ個の関心領域の機能的接続マトリックスであり、ここで、Ｎは自然数であり、好ましくは、Ｎは１００以上の自然数である。

第２の態様の可能な実施手段において、前記集団機能接続プロファイルを計算するステップは、各大きな領域において、個人機能接続プロファイルを計算するステップと、各大きな領域のすべての個人機能接続プロファイルの平均値を計算するステップとを含み、集団機能接続プロファイルを取得するステップとを含み、前記集団機能接続プロファイルは、大きな領域のボクセルおよび当該大きな領域内のＮ個の関心領域の機能的接続マトリックスであり、ここで、Ｎは自然数である。

本発明の第３の態様は、脳機能地図のための描画システムを提供する。当該システムは、脳機能地図テンプレートを使用して個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得し、当該初期の個々の脳機能地図は、脳を複数の機能領域に分割するための、初期化モジュールと、初期の個々の脳機能地図を、いくつかの大きな領域に分割するための、前処理モジュールであって、各大きな領域には、いくつかの機能領域が含まれる前処理モジュールと、反復プロセスに入り、終了条件が満たされたときに、反復を終了し、最終的な個々の脳機能地図を取得するための、反復処理モジュールとを備え、各反復プロセスは、各大きな領域の各ボクセルと当該大きな領域の各機能領域との接続度を順番に計算し、すべてのボクセルが調整されるまで、各ボクセルを当該ボクセルとの接続度が最も高い機能領域に調整することを含む。

本発明の第４の態様は、プロセッサとメモリを含むデータ処理システムを提供する。前記メモリは、コンピュータ実行命令を記憶するために使用され、前記データ処理システムが実行されているとき、前記プロセッサは、前記メモリに格納された前記コンピュータ実行命令を実行することにより、前記データ処理システムは、第１の態様またはその任意の可能な実施手段で記載される、脳機能地図を描画するための方法を実行するようになる。

本発明の第５の態様は、医療画像処理システムを提供する。前記医療画像処理システムは、データ取得システム、データ出力インタラクションシステム、および第３の態様によるデータ処理システムを含み、
前記データ取得システムは、個人のＭＲＩスキャンデータを取得し、取得したデータを到前記データ処理システムにアップロードするために使用され、
前記データ処理システムは、第１の態様のいずれ前記脳機能地図を描画するための方法を実行し、最終的な個々の脳機能地図を取得し、そして、最終的な個々の脳機能地図に基づいて、対応するレポートおよび／または画像を生成することができるために使用され、
前記データ出力インタラクションシステムは、前記データ処理システムから前記レポートおよび／または画像を取得し、前記レポートおよび／または画像を表示するために使用される。

ここで、前記データ処理システムは、ローカルサーバーおよび／またはクラウドコンピューティングプラットフォームを含み、前記データ処理システムは、前記ローカルサーバーおよび前記クラウドコンピューティングプラットフォームの両方を含む場合、前記ローカルサーバーおよび前記クラウドコンピューティングプラットフォームは、負荷均衡ポリシーおよび／または共有ポリシーに基づいて、第１の態様のいずれか可能な実施手段に記載の脳機能地図を描画するための方法を共同で実行する。

本発明の第６の態様は、１つまたは複数のプログラムを格納するコンピュータ可読記憶媒体を提供し、前記１つまたは複数のプログラムは、コンピュータ実行命令を含み、前記コンピュータ実行命令がプロセッサを含むデータ処理システムによって実行されると、前記データ処理システムは、第１の態様のいずれか可能な実施手段に記載の前記脳機能地図を描画するための方法を実行する。

上記から分かるように、本発明のいくつかの実行可能な実施形態では、上記の技術的解決策を採用することにより、以下の有益な効果が達成された。

本発明は、初期の個々の脳機能地図に対して反復計算を行い、反復プロセスを通じて各ボクセルが属する機能領域を連続的に調整し、最終的に、高精度の個々の脳機能地図を描画することができ、様々な精度または解像度で、高い安定性、高い信頼度、低ノイズを実現できる。本発明の実施において、脳全体を５６の機能領域、１１２の機能領域、２１３の機能領域および他の異なる精度に分割することができ、結果は安定で信頼度があり、臨床的に検証されている。

本発明の実施形態の技術的解決策をより明確に説明するために、以下は、実施形態の説明に使用される添付の図面を簡単に紹介する。
本発明の実施形態による脳機能地図を描画するための方法の概略フローチャートである。本発明の実施形態における各反復プロセスの概略フローチャートである。本発明の実施形態による集団脳機能地図テンプレートを生成する概略フローチャートである。本発明の特定の適用シナリオの実施形態の概略フローチャートである。本発明の実施形態による脳機能地図を描画するためのシステムの概略構造図である。本発明の実施形態によるデータ処理システムの概略構造図である。本発明の実施形態によって提供される医療画像処理システムのネットワークアーキテクチャ図である。本発明の実施形態によって提供される医療画像処理システムのネットワークアーキテクチャ図である。本発明の実施形態によって提供される医療画像処理システムのネットワークアーキテクチャ図である。本発明により描かれた脳機能領域とＥＣＳにより測定された脳機能領域との臨床検証結果である。本発明によって描かれた脳機能領域と、長時間サンプリングタスク状態ＭＲＩによって測定された脳機能領域との臨床的検証結果である。本発明の実施形態によって描かれた脳機能地図である。本発明の実施形態によって描かれた脳機能地図と、許米国特許第９，６６２，０３９Ｂ２号によって描かれた脳機能地図である。

当業者に本発明の解決策をよりよく理解させるために、本発明の実施形態における技術的解決策は、本発明の実施形態における添付の図面を参照して、以下に明確かつ完全に説明される。記載された実施形態は、本発明の一部であるが、すべての実施形態ではない。本発明の実施形態に基づいて、創造的な努力なしに当業者によって得られる他のすべての実施形態は、本発明の保護範囲に含まれるものとする。

本発明の説明および特許請求の範囲における「含む」および「有する」という用語およびそれらの任意の変形、ならびに上記の図面は、非排他的な含有物を網羅することを意図している。例えば、一連のステップまたはユニットを含むプロセス、方法、システム、製品またはデバイスは、リストされたステップまたはユニットに限定されず、オプションで、リストされていないステップまたはユニットも含み、またはオプションで、これらのプロセス、方法、製品またはデバイスも含む。

理解を容易にするために、最初に本発明に含まれるいくつかの用語を紹介する。

「脳地図」または「脳の地図」または「機能アトラス」または「脳機能ネットワークアトラス」と呼ばれる脳機能地図（英語のフルネーム：ｂｒａｉｎｆｕｎｃｔｉｏｎａｌａｔｌａｓ）は、脳機能別に大脳皮質をいくつかの領域に分割し、さまざまな機能を担う脳のさまざまな領域にマークを付けるアトラスである。マークされた領域は、「機能領域」または「機能ネットワーク」とも呼ばれる。

個々の脳機能地図（英語のフルネーム：ｉｎｄｉｖｉｄｕａｌｉｚｅｄｂｒａｉｎｆｕｎｃｔｉｏｎａｌａｔｌａｓ）は、個人脳地図と呼ばれ、個々の脳機能地図である。

集団脳機能地図（英語のフルネーム：ｇｒｏｕｐｌｅｖｅｌｂｒａｉｎｆｕｎｃｔｉｏｎａｌａｔｌａｓ）は、集団脳地図と呼ばれ、多くの人々を含むグループに対する統計的脳機能地図である。

脳機能ネットワーク（英語のフルネーム：ｂｒａｉｎｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｓ）、脳機能接続を表す。

機能的磁気共鳴画像法（英語でのフルネーム：ｆｕｎｃｔｉｏｎａｌｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ，英語の略語：ＦＭＲＩ）、機能的磁気共鳴または磁気共鳴と呼ばれる機能的磁気共鳴画像法は、脳が外の世界に刺激されたときの脳の活性化領域を示す。

タスク機能的磁気共鳴画像法（英語のフルネーム：ｔａｓｋｆｕｎｃｔｉｏｎａｌｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ，英語の略語：ｔａｓｋＦＭＲＩ）は、磁気共鳴画像法のスキャン中に特定のタスク（たとえば、舌を動かす）を実行するように被験者に依頼することにより、当該タスクを担当する脳の機能領域またはネットワークを見つけるための磁気共鳴画像法である。

ボクセル（ｖｏｘｅｌ）は、ボリュームピクセル（ｖｏｌｕｍｅｐｉｘｅｌ）の略語である。ボクセルは、概念的には２次元空間の最小単位であるピクセルに類似する。ピクセルは２次元コンピューター画像の画像データで使用される。ボクセルは、３Ｄ空間セグメンテーションにおけるデジタルデータの最小単位であり、３Ｄイメージング、科学データ、および医療イメージングで使用される。

ＢＯＬＤ（英語のフルネーム：ＢｌｏｏｄＯｘｙｇｅｎＬｅｖｅｌＤｅｐｅｎｄｅｎｃｙ）信号は、機能的磁気共鳴画像法によって収集された血中酸素レベル信号である。

ボクセルの時系列信号：機能的磁気共鳴画像法中、ＢＯＬＤ信号は通常、ボクセルごとに一定期間（たとえば、２分間）取得される。この期間のＢＯＬＤ信号は、このボクセルの時系列信号である。

関心領域（英語のフルネーム：ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ、ＲＯＩと呼ばれる）は、マシンビジョンおよび画像処理の場合、処理された画像からボックス、円、楕円、不規則な多角形などの形で処理する必要がある領域の輪郭を描く。

ピアソン（ｐｅａｒｓｏｎ）の相関係数は、２つのデータセットが直線上にあるかどうかを測定するために使用される係数である。つまり、変数間の線形関係を間隔を置いて測定するための係数である。その計算式は次のとおりである。

式は次のように定義される。２つの連続変数（Ｘ、Ｙ）のピアソン相関係数（ρ _ｘ，ｙ）は、それらの間の共分散ｃｏｖ（Ｘ、Ｙ）をそれぞれの標準偏差（σ _Ｘ，σ _Ｙ）の積で割ったものに等しく。係数の値は常に－１．０から１．０の間であり、０に近い変数は無相関と見なされ、１または－１に近い変数は強い相関があると言われる。

本発明は、特定の実施形態を通じて以下に詳細に説明される。

図１を参照すると、本発明の実施形態は、以下のステップを含み得る、脳機能地図を描画するための方法を提供する。

Ｓ１において、データ取得ステップ：被験者の脳の磁気共鳴スキャンデータ（たとえば、脳の機能領域に関連するＢＯＬＤ信号などの機能的磁気共鳴スキャンデータ、また、たとえば脳構造と相関する磁気共鳴Ｔ１信号のような構造的磁気共鳴スキャンデータ）を取得し、および脳機能地図テンプレートとしての集団脳機能地図を事前選択または生成する。

機能的磁気共鳴は、新しい神経画像法であり、その原理は、磁気共鳴画像法を使用して、神経活動によって引き起こされる血中酸素レベルの変化を測定し、ＢＯＬＤ信号を収集することであり、現在、主に人間や動物の脳やその他の神経系の機能的活動を研究するために使用されている。静止状態機能的磁気共鳴スキャンとは、被験者がＭＲＩスキャナーに静かな状態で横たわり、全身がリラックスし、タスクや体系的な思考なしにスキャンが実行されることを指す。特に、本発明は、静止状態の機能的磁気共鳴スキャンデータを生データとして使用して、脳機能地図を描くことができる。機能的磁気共鳴スキャンデータは、すべてのボクセルの時系列信号（ＢＯＬＤ信号）を含む、ボクセルベースの４次元イメージングデータである。

事前に集団脳機能地図を取得する必要がある。これは、個々の脳機能地図を初期化するための脳機能地図テンプレートとして使用される。脳機能地図テンプレートは、脳を５６や１１２などの複数の機能領域に分割する。必要に応じて、脳機能地図テンプレートは、構造情報に従って脳をいくつかの大きな領域に分割することができ、好ましくは、脳を左右の皮質の２つの大きな領域に分割する。好ましくは、脳を上皮質と下皮質のような２つの大きな領域に分割する。より好ましくは、脳は、上皮質および下皮質に従って、左右の皮質に従って４つの大きな領域に分割される。より好ましくは、脳の左右の皮質は、構造情報に従って５つの大きな領域に分割され、すなわち前頭葉、頭頂葉、後頭葉、側頭葉および汎中心の溝領域に分割される。このようにして、脳を１０個の領域に分割する。すべての機能領域はこれらの大きな領域に属し、各大きな領域にはいくつかの機能領域が含まれる。

Ｓ２において、初期化ステップ：脳機能地図テンプレートを使用して個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得し、当該初期の個々の脳機能地図は、脳を複数の機能領域に分割する。

初期化ステップでは、脳構造の大きな領域ごとに、脳機能地図テンプレートの機能パーティションを個々の再構築された大脳皮質に投影して、初期化された個々の脳機能地図を取得できる。この種の「投影」は、ポイントレベルでの同じ個人の異なる画像間のマッピング関係による補間などの数学的方法を通じて、１対多、多対多、および多対１の登録を完了することである。さまざまな登録方法（剛体、放射状、非線形など）は、さまざまな数式と制約を使用する。たとえば、ＤｏｕｇｌａｓＧｒｅｖｅｅｔａｌが提供するＢＢＲアルゴリズムは、一般的に使用される「投影」法である（ＤｏｕｇｌａｓＧｒｅｖｅとＢｒｕｃｅＦｉｓｈｌ、境界ベースの登録を使用した正確で堅牢な脳画像の位置合わせる（ＤｏｕｇｌａｓＧｒｅｖｅａｎｄＢｒｕｃｅＦｉｓｈｌ，Ａｃｃｕｒａｔｅａｎｄｒｏｂｕｓｔｂｒａｉｎｉｍａｇｅａｌｉｇｎｍｅｎｔｕｓｉｎｇｂｏｕｎｄａｒｙｂａｓｅｄｒｅｇｉｓｔｒａｔｉｏｎ，ＮｅｕｒｏＩｍａｇｅ２００９））。

個人差があるため、この初期の個々の脳機能地図は、個人の実際の脳機能のパーティションを反映しておらず、精度と個人の精度を向上させるために、その後の反復計算が必要である。

Ｓ３において、前処理ステップ：初期の個々の脳機能地図を、いくつかの大きな領域に分割し、各大きな領域はいくつかの機能領域を含み、ここで、いくつかは少なくとも２つを指す。

たとえば、脳の左右の皮質それぞれを、前頭葉、頭頂葉、後頭葉、側頭葉および汎中心の溝の５つの大きな領域に分けることにより、初期の個々の脳機能地図を１０個の大きな領域に分割する。別の例では、脳は、脳の上皮質と下皮質に応じて分けられ、左右の脳は４つの領域に分けられる。

前処理ステップでは、各ボクセルの信頼度も初期化でき、信頼度は、現在の機能領域に機能的に属するボクセルの信頼度を表す。オプションで、各ボクセルの信頼度の初期値を初期化により１に設定できる。その後の反復計算では、信頼度は継続的に更新される。

Ｓ４において、反復計算ステップ：反復プロセスに入る。各反復プロセスは、各大きな領域の各ボクセルと当該大きな領域の各機能領域との接続度を順番に計算し、すべてのボクセルが調整されるまで、各ボクセルを当該ボクセルとの接続度が最も高い機能領域に調整することと、終了条件が満たされたときに、反復を終了し、最終的な個々の脳機能地図を取得することとを含む。そして、最終的な個々の脳機能地図に基づいて、脳機能パーティションを示すレポートおよび／または画像を生成および出力する。

当該反復計算ステップは、反復計算を繰り返すプロセスである。すべてのボクセルは各反復で調整される。反復プロセスが終了すると、終了条件が満たされているかどうかが判断される。満たされていない場合は、前の反復プロセスの出力結果が入力として使用され、次の反復に入り、終了条件が満たされるまで、すべてのボクセルを再度調整して、最終的な個々の脳機能地図を出力する。

最終的な個々の脳機能地図では、各ボクセルが何度も調整され、最も可能な機能領域に高精度で調整される。適切な反復終了条件を設定することにより、精度と計算時間のバランスを改善し、非常に高精度の最終的な個々の脳機能地図を取得できる。

オプションで、収束基準が満たされているかどうか、または所定の反復回数に達しているかどうかを、反復終了条件として使用できる。反復回数が所定の回数または収束基準に達したとき、反復を終了する。

オプションで、収束基準は次のとおりである。前後の２つの反復間の変化が非常に小さい。たとえば、前後の２つの反復間の変化が１％未満、好ましくは０．１％または０．５％未満など。オプションで、別の収束基準は次のとおりである。すべて信頼度が特定のしきい値に達する。経験によれば、しきい値は、たとえば２～１０、好ましくは３、４、または５にすることができる。オプションで、所定の回数は、たとえば、５～１０００回、好ましくは、所定のテストは１００回、１５０回、または２００回である。

オプションで、各大きな領域の各ボクセルと当該大きな領域の各機能領域との接続度は、当該ボクセルの時系列信号と機能領域の参考時系列信号との相関値を使用して計算することができる。相関値は、ボクセルの時系列信号と機能領域の参考時系列信号との間の相関性、相関係数、または類似度を表す。２つの間の類似度が高いほど、相関値が高くなる。つまり、２つが近いほど、接続度が高くなる（または大きくなり、強くなる）。

また、本明細書に限定されない様々な相関計算方法を採用することにより、計算相関値を計算することができる。たとえば、ボクセルの時系列信号と機能領域の参考時系列信号のピアソン相関値を計算して、ボクセルと機能領域の間の接続度を表すことができる。

図２を参照すると、いくつかの実施形態では、各反復プロセスは、具体的には以下を含み得る。

Ｓ４１において、各機能領域内のすべてのボクセルの時系列信号に基づき、各機能領域の参考時系列信号を計算する。たとえば、例えば、各機能領域について、当該機能領域のすべての信頼度が所定のしきい値のボクセルの時系列信号より低くない平均値または中央値を、当該機能領域の参考時系列信号として計算することができる。オプションで、最初の反復において、各機能領域について、当該機能領域のすべてのボクセルの時系列信号の平均値または中央値を、当該機能領域の参考時系列信号として計算することができる。

Ｓ４２において、１つの未調整ボクセルを現在ボクセルとして調整する。

Ｓ４３において、現在ボクセルの時系列信号と現在大きな領域内のすべての機能領域の参考時系列信号との間の相関値を計算し、当該相関値を現在ボクセルと現在大きな領域内のすべての機能領域との接続度とし、前記現在大きな領域は、現在ボクセルが属する大きな領域である。

Ｓ４４において、現在ボクセルを現在ボクセルとの接続度が最も高い機能領域に調整する。

ボクセルを最も高い接続度（つまり、最も高い相関値）の機能領域に調整することにより、機能領域分割の精度が向上し、個々の脳機能地図の更新が実現される。オプションで、等しい最大相関値が複数ある場合、現在のボクセルを調整するか、最大相関値を持つ機能領域のいずれかに再割り当てすることができる。

Ｓ４５において、現在ボクセルの信頼度を更新する。

オプションで、算出された現在ボクセルの時系列信号と現在大きな領域内のすべての機能領域の参考時系列信号との間の相関値から、最大の相関値および２番目に大きい相関値を選択できる。現在ボクセルの信頼度を計算して更新する場合、現在ボクセルの信頼度を、最大の相関値と２番目に大きい相関値の比率に等しくする。

Ｓ４６において、すべてのボクセルが一度調整を完了したかどうかを判断し、すべてのボクセルが一度調整を完了した場合、、ステップ４２に進み、次のボクセルを選択して、上記のステップ４３と４４を実行し続ける。調整されている場合は、ステップ４７に進む。

Ｓ４７において、すべてのボクセルが一度調整されると、今回の反復プロセスを終了する。

この反復プロセスの終了は、個々の脳機能地図の調整と更新のラウンドが完了したことを意味する。次に、反復終了条件が満たされていない場合、今回の反復プロセスプロセスで取得された、更新された個々の脳機能地図に基づいて次の反復プロセスに入る。

図３を参照すると、いくつかの実施形態では、集団のＦＭＲＩスキャンデータを収集した後、集団脳機能地図は、以下の方法によって脳機能地図テンプレートとして生成することができ、ステップＡ１、Ａ２、Ａ３、Ａ４およびＡ５が含まれる。

Ａ１：構造情報に従って脳をいくつかの領域に分割する。オプションで、脳の左右の皮質を５つの領域、つまり前頭葉、頭頂葉、後頭葉、側頭葉、汎中心の溝に分割できる。つまり、脳は１０個の領域に分かれている。

Ａ２：各大きな領域におて、集団機能接続プロファイル（ｆｕｎｃｔｉｏｎａｌｃｏｎｎｅｃｔｉｖｉｔｙｐｒｏｆｉｌｅ）、つまり、その領域のボクセルと、当該大きな領域内のいくつかの関心領域（ｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ，ＲＯＩ）の機能的接続マトリックスを計算する。これは次のステップで実行できる。

（１）各個人の各大きな領域内のボクセルについて、当該ボクセルから当該大きな領域内の各ＲＯＩへの機能的接続度を計算し、１０００次元ベクトルや４０９８次元ベクトルなどの多次元ベクトルを取得し、好ましくは、ＲＯＩは均一なサンプリングによって取得できる。

（２）集団内のすべての個人の各大きな領域の各ボクセルのマルチベクトルを平均して、各ボクセルの集団機能接続ベクトルを取得し、すべてのボクセルの機能接続ベクトルの行列を形成しする（または集団機能接続マトリックス）。

Ａ３：これらの機能接続プロファイルを特徴として、クラスタリングアルゴリズムを使用して各大きな領域内の各ボクセルを分類し、最後に各大きな領域を数十の「クラス」に分割する（きめ細かい粒度の機能パーティション）、クラスタリングアルゴリズムには、Ｋ－ｍｅａｎｓおよび関連するアルゴリズム、スペクトルクラスタリング（ｓｐｅｃｔｒａｌｃｌｕｓｔｅｒｉｎｇ）、およびガウス混合モデル（ＧａｕｓｓｉａｎＭｉｘｅｄＭｏｄｅｌ）が含まれるが、これらに限定されない。

Ａ４：クラスタリングアルゴリズムのインデックスと機能的均一性を最大化するインデックスを包括的に評価し、局所最適パーティションの数を決定する。たとえば、クラスタリングアルゴリズムのインデックスは、１０００次元空間内のボクセル間の「距離」を使用する。そして、「距離」に近いボクセルを同じきめの細かい機能パーティションに分割して、「局所最適」を達成する。

Ａ５．マージアルゴリズムを使用して、複数の大きな領域のきめ細かい粒度の機能パーティションをマージし、脳全体の集団レベル機能パーティションのテンプレーを作成する。マージ方法には、直接スプライシングマージ、スプライシング後のエッジトリミングおよびエッジボクセルの再割り当てが含まれるが、これらに限定されない。得られた集団脳機能地図テンプレートは、数十の機能領域から数百の機能領域まで、さまざまな解像度を持つことができる。

本発明の実施形態における上記の解決策は、ローカルサーバー、クラウドコンピューティングプラットフォームなどのローカルまたはクラウドデータ処理システムに実施され得ることが理解され得る。

本発明の実施形態によって提供される技術的解決策のより良い理解を容易にするために、以下の説明は、例として特定のシナリオにおける実施方法をとることによってなされる。

特定の適用シナリオの実施形態において脳機能地図を描画するための方法のフローチャートである図４を参照されたい。ステップは以下を含む。

Ｂ１：すべてのボクセルの時系列信号を含む個人のＦＭＲＩスキャンデータを取得する。

Ｂ２：機能地図テンプレートを選択する。

Ｂ３：脳機能地図テンプレートを使用して、個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得する。

Ｂ４：各ボクセルの信頼度を最大信頼度１に初期化する。

Ｂ５：個々の脳機能地図を複数のローカルエリア、つまり、それぞれが複数の機能領域をカバーする複数の大きな領域に分割する。

Ｂ６：反復に入る。

Ｂ７：反復終了条件が満たされているかどうかを判断する。満たされていない場合は、ステップＢ８に進む。満たされている場合は、ステップＢ１６に進む。

Ｂ８：全機能領域の参考信号（フルネーム：参考時系列信号）を計算する。機能領域ごとに、信頼度が一定のしきい値以上のボクセルを選択して、機能領域の参考時系列信号を計算する。

Ｂ９：ボクセルごとに次のステップの計算を順番に実行する。

Ｂ１０：すべてのボクセルが１回の計算を完了したかどうかを判断し、完了した場合はステップＢ７に戻る。完了していない場合は、計算および調整されていない次のボクセルを現在のボクセルとして決定し、ステップＢ１１に進む。

Ｂ１１：現在のボクセルと同じ大きな領域にある各機能領域について、現在のボクセルと機能領域の間の接続度を計算する。

Ｂ１２：現在のボクセルが同じ大きな領域にあるすべての機能領域の接続度を並べ替える。

Ｂ１３：個々の脳機能地図を調整する。現在のボクセルを、最も強い接続度がある機能領域に割り当てる。

Ｂ１４：現在のボクセルが調整された機能領域に属するという信頼度を計算する。

Ｂ１５：ステップＢ１０に戻る。

Ｂ１６：反復終了条件が満たされた場合、反復を終了し、そして、最終的な個々の脳機能地図に基づいて、対応するレポートおよび／または画像を生成することができる。

上記から分かるように、本発明のいくつかの実行可能な実施形態では、脳機能地図を描画するための方法が提供され、当該方法により、初期の個々の脳機能地図を反復的に計算し、反復プロセスを通じて各ボクセルが属する機能領域を連続的に調整し、最後に、高精度の個々の脳機能地図を描画できる。これにより、様々な精度または解像度で、高い安定性、高い信頼度、低ノイズを実現できる。

なお、本発明は、まず大きな領域を分割し、次に大きな領域を単位として各大領域のボクセルを調整または再分配する。当該大きな領域個別化方法は、従来技術において脳全体にボクセルを直接割り当てる全脳個別化方法と比較する。一方、各大きな領域でのボクセル調整は、「同じきめ細かい粒度の機能パーティションのボクセルは同じ大領域に属する必要がある」などの自然な導入である。これらの神経科学の一般法則は、パーティションの追加情報として使用され、ノイズと干渉に抵抗する能力を効果的に向上する。一方では、ボクセル調整は大きな領域などの狭い範囲で実行されるため、処理精度と計算速度を効果的に向上させることができる。

本発明の実施において、脳全体を５６個の機能領域、１１２個の機能領域、２１３個の機能領域および他の異なる精度に分割することができ、結果は安定で信頼度があり、臨床的に検証されている。

検証方法１：図８を参照してください。図８で、左の列は１人の大脳皮質、右の列は別の人の大脳皮質である。最初の行は術中電気皮質刺激（ｅｌｅｃｔｒｉｃａｌｃｏｒｔｉｃａｌｓｔｉｍｕｌａｔｉｏｎ，ＥＣＳ）技術で、機能領域を特定する（すなわち、機能領域を特定するために一般的に使用される臨床方法）。第２の行は、本発明の方法で特定した機能領域である。本発明の方法によって特定された機能領域の位置は、ＥＣＳ技術によって特定された位置と一致している、すなわち、本発明の位置特定が正確であることが検証されている。

検証方法２：モーションネットワークを検証するには、図９を参照してください。さまざまな色の部分がモーションネットワークの一部である。たとえば、ある部分は手の動きを制御し、別の部分は体（顔、頭、舌）の動きを制御する。

図９の右の列は、従来の方法（タスク状態の機能的磁気共鳴）を使用した多数の実験によってサンプリングされたモーションネットワーク図である。具体的な特定（位置決め）方法は、健康な人が機能的磁気共鳴スキャンの下でタスクを実行できるようにすることである。舌の動きまたは指つまむの同時にスキャンを行う。１．５時間運動し、１０日間連続でスキャンされることにより、運動に関連する脳の機能領域を特定した。実験サンプルの数が多いため、この方法は対応する機能領域を正確に見つけることができる。

図９において、左の列は本発明の方法であり、左の特定領域は基本的に右の特定領域と同じであり、右の図の黄色の境界線は本発明と右図との比較結果であり、２つの方法で得られた運動機能ネットワークの重複は非常に高いことを示している。さらに、本発明はタスクを必要とせず、サンプリング時間は短く（３ＴＭＲＩマシンでは２０分）、タスク状態の機能的ＭＲＩに比べて明らかな利点があり、個々の脳機能領域の短期間の確認は臨床応用をより助長する。

本発明の特定の描画方法によって得られた脳機能地図である図１０を参照されたい。具体的な描画ステップは次のとおりである。構造的および静止状態ＦＭＲＩスキャンと信号の前処理は、若い正常な被験者に対して実行された。機能領域の集団レベルの２１３個の脳地図テンプレートが初期化のために選択され、つまり、集団レベルのパーティションは、非線形登録を通じて個々の大脳皮質に投影された。個々の大脳皮質は、その構造に応じて左右５つの領域に分けられ、すなわち、前頭葉、頭頂葉、後頭葉、側頭葉、汎中心の溝との領域である。その後、個々の皮質領域で個別の反復計算が行われる。例として、左前頭葉の１７の機能パーティションを取り上げる。個別化の最初の反復で、各機能パーティション内の初期化されたすべてのボクセルの時系列信号が、平均化された。得られた平均信号をパーティションの参考信号とし、合計１７個の参考信号がある。次に、左前頭葉の各ボクセルの時系列信号と１７個の参照信号を、ピアソン係数を計算することによって相関値として計算し、１７個の相関値を降順で並べ替えた。このボクセルは、相関値が最も高い機能パーティションに再割り当てされ、信頼度が計算される。信頼度は、最大の相関値と２番目に大きい相関値の比率であり、信頼度の値の範囲は［１、＋∞）である。実現可能度が３以上の場合、機能領域にボクセルを割り当てることができる高信頼度である。たとえば、１１０番目のボクセルとパーティション１０の間の相関値は０．７８であり、当該相関値は最大相関値であり、パーティション８との間の相関値は０．１８であり、当該相関値が２番目に高い相関値である場合、その信頼度は０．７８／０．１８＝４．３である。これは、このボクセルをパーティション１０に割り当てることに大きな自信があることを意味する。別の例として、１２５番目のボクセルの最も強力な機能接続度はパーティション８の０．３５であり、パーティション４との機能接続度は０．２９であり、２番目に強力であり、信頼度は０．３５／０．２９＝１．２である。これは、パーティション８への当該ボクセルの割り当てはあまり自信がないことを意味する。すべてのボクセルに対して上記の操作を繰り返して、最初の個別の更新を完了する。２回目の反復から、毎回１７個の参照信号が再計算される。この時点での参照信号は、各パーティションで３を超える信頼度を持つボクセルの時系列信号を平均することによって取得される。３を超える信頼度を持つパーティションがない場合、パーティション内で最も信頼度の高い、上位５％のボクセルが選択されて置き換えられる。大きな領域の各ボクセルは、参照信号の相関値の大きさに応じて、パーティション再分配および信頼度の推定を行う。大きな領域のすべてのボクセルの更新が完了したら、次の反復に入る。前の２つの反復の個々のパーティション結果の類似性が９９％を超えるか、１１０回の反復が完了した後に反復が停止する。最後に、すべての大きな領域が個別化された後、直接マージ方式を使用して１０個の大きな領域がマージされる。これまでに、個々の機能パーティションの計算が完了し、２１３個の機能領域の個々の脳機能地図が取得された。個々の脳機能地図の各機能領域の境界に境界線が追加され、各機能領域をより明確に区別する。

本発明の方法によって描かれた脳機能地図と従来技術によって描かれた脳機能地図の効果の比較図である図１１を参照されたい。

図１１の左側の（ａ）に示すように、本発明の方法は、機能領域を描くために使用され、脳は、大きな領域を個別化することによって機能領域に分割される。図１１の右側の（ｂ）に示されるように、機能領域は、脳全体の同時個別化の方法で脳を機能領域に分割する特許米国特許第９，６６２，０３９Ｂ２号の技術を使用して描かれる。

図からわかるように、図の１０１と１０２に示すように、右側の（ｂ）には明らかなノイズがたくさんある。ノイズは、神経科学の原則に違反するグラフの小さな領域である。神経科学の原則は次のとおりである：同じ解像度では、通常、神経系の機能領域内に他の機能領域があってはならない。赤い領域が内部に緑色で表示されている場合は、当該結果に問題があることを示す。境界は通常ある程度の滑らかさを持っている。境界がギザギザになっている場合、または機能領域に複数の不連続領域がある場合は、通常、処理方法がノイズによって干渉されたのが原因である。

本発明の実施形態において上記の解決策をより良く実施するために、上記の解決策を実施するための関連する装置もまた以下に提供される。

図５を参照すると、本発明の実施形態は、初期化モジュール５１と、前処理モジュール５２と、反復処理モジュール５３とを含む脳機能地図を描画するためのシステムを提供する。

前記初期化モジュール５１は、脳機能地図テンプレートを使用して個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得するように構成され、当該初期の個々の脳機能地図は、脳を複数の機能領域に分割する。

前記前処理モジュール５２は、初期の個々の脳機能地図を、いくつかの大きな領域に分割するように構成され、各大きな領域には、いくつかの機能領域が含まれる。

前記反復処理モジュール５３は、反復プロセスに入り、終了条件が満たされたときに、反復を終了し、最終的な個々の脳機能地図を取得するように構成される。各反復プロセスは、各大きな領域の各ボクセルと当該大きな領域の各機能領域との接続度を順番に計算し、すべてのボクセルが調整されるまで、各ボクセルを当該ボクセルとの接続度が最も高い機能領域に調整することを含む。

本発明の実施形態の脳機能地図を描画するためのシステムの各機能モジュールの機能は、上記の方法実施形態の方法に従って具体的に実施することができ、特定の実施プロセスは、上記の方法の実施形態の関連する説明を参照することができ、説明を繰り返しないことを理解されたい。

本発明の実施形態による脳機能地図を描画するためのシステムは、異なる実施形態を採用し得ることが理解され得る。

一態様では、それは、サーバーなどのローカルコンピュータデバイスによって実施され得る。サーバーは、磁気共鳴装置からＦＭＲＩスキャンデータを取得し、計算処理を実行し、最終的な個々の脳機能地図を取得し、さらに、脳の機能パーティションを示す対応するレポートや画像を生成および出力できる。

別の態様では、クラウドコンピューティングプラットフォームによって実施され得る。まず、ＦＭＲＩスキャンデータをサーバーが磁気共鳴デバイスから取得し、データをクラウドプラットフォームにアップロードすることができる。次に、クラウドプラットフォームは、計算処理を実行して最終的な個々の脳機能地図を取得し、対応する脳機能パーティションを示すレポートおよび／または画像をさらに生成および出力できる。クラウドプラットフォームは、最終的な個々の脳機能地図、レポート、および／または画像をサーバーに送信することもできる。

別の態様では、サーバーとクラウドコンピューティングプラットフォームで構成されるデータ処理システムによって実施することもできる。まず、サーバーは磁気共鳴装置からＦＭＲＩスキャンデータを取得し、クラウドプラットフォームと連携して計算処理を実行して最終的な個々の脳機能地図を取得し、さらに対応する脳機能パーティションを示すレポートおよび／または画像を生成および出力できる。

上記から分かるように、本発明のいくつかの実行可能な実施形態では、脳機能地図を描画するためのシステムが提供され、このシステムは、初期の個々の脳機能地図の反復計算に使用され、反復プロセスを通じて各ボクセルが属する機能領域を連続的に調整し、最終的に高精度の個々の脳機能地図を描画できる。様々な精度または解像度で、高い安定性、高い信頼度、低ノイズを実現できる。本発明の実施において、脳全体を５６の機能領域、１１２の機能領域、２１３の機能領域および他の異なる精度に分割することができ、結果は安定で信頼度があり、臨床的に検証されている。

図６を参照すると、本発明の実施形態は、データ処理システム６０をさらに提供する。

前記データ処理システム６０は、プロセッサ６１、メモリ６２、通信インターフェイス６３およびバス６４を含む。

前記プロセッサ６１、メモリ６２、および通信インターフェース６３は、バス６４を介して互いに通信し、前記通信インターフェース６３は、データを送受信するために使用され、前記メモリ６２は、データが処理されるときに、コンピュータ実行命令を格納するために使用される。前記データ処理システムが実行されているとき、前記プロセッサ６１は、前記メモリ６２に格納された前記コンピュータ実行命令を実行し、その結果、前記データ処理システムは、上記の方法の実施形態で説明した脳機能地図を描画するための方法を実行する。

当該データ処理システム６０は、ローカルサーバまたはクラウドコンピューティングプラットフォームなどのローカルコンピュータデバイスから構成されてもよく、または両方から構成されてもよい。

図７－１から７－３を参照すると、本発明の実施形態は、データ取得システム７１、データ出力インタラクションシステム７２、および上記のデータ処理システムを含む医療画像処理システムをさらに提供する。前記データ処理システムは、ローカルサーバ７３および／またはクラウドコンピューティングプラットフォーム７４を含む。

磁気共鳴装置などを含むデータ採集システム７１は、個人の機能的磁気共鳴スキャンデータを収集し、収集されたデータを前記データ処理システムにアップロードするために使用される。

前記データ処理システムは、図１の実施形態で上記のように脳機能地図を描画する方法を実行して、最終的な個々の脳機能地図を取得し、最終的な個々の脳機能地図に基づいて、対応するデータ処理結果（例えば、レポートおよび／または画像）を生成する。

表示装置、入力および出力装置などを含むデータ出力インタラクションシステム７２は、前記データ処理システムからレポートおよび／または画像の形でデータ処理結果を取得し、前記データ処理結果を表示するために使用される。

前記データ処理システムには、図７－１に示すように、ローカルサーバーのみが含まれる場合がある。また、図７－２に示すように、クラウドコンピューティングプラットフォームのみが含まれる場合もある。または、図７－３に示すようにローカルサーバーとクラウドコンピューティングプラットフォームの両方が含まれる場合もある。

前記データ処理システムが前記ローカルサーバーおよび前記クラウドコンピューティングプラットフォームの両方を含む場合、前記ローカルサーバーおよび前記クラウドコンピューティングプラットフォームは、負荷均衡ポリシーおよび／または共有ポリシーに基づいて、本発明によって提供される脳機能地図を共同で実行する。

ローカルサーバーとクラウドコンピューティングプラットフォーム間のインタラクション関係には、たとえば次のものが含まれる。

１．クラウドコンピューティングプラットフォームは、ローカルサーバーでは実行できない作業を実行する。クラウドコンピューティングプラットフォームとローカルサーバー間の負荷バランスポリシーは、たとえば、ローカルサーバーの負荷が特定の所定値（７０％など）を超えた場合に発生する。新しい作業は処理のためにクラウドコンピューティングプラットフォームに入る。

２．ユーザーに共有要件やその他の位置のニーズがある場合、作業をクラウドコンピューティングプラットフォームに引き渡すことができる。

本発明実施形態は、１つまたは複数のプログラムを記憶するコンピュータ可読記憶媒体を提供する。前記１つまたは複数のプログラムは、コンピュータ実行命令を含み、前記コンピュータ実行命令がプロセッサを含むデータ処理システムによって実行されると、前記データ処理システムに、上記の方法の実施形態による脳機能地図を描画するための方法を実行させる。

簡単な説明のために、前述の方法の実施形態はすべて一連の動作の組み合わせとして表されるが、当業者は、本発明が記載された動作順序によって限定されないことを知っておくべきである。ステップは、本発明に従って、他の順序で、または同時に実行することができる。当業者はまた、本明細書に記載の実施形態がすべて好ましい実施形態であり、関連する動作およびモジュールが本発明によって必ずしも必要とされないことを知っているべきである。

当業者は、説明の便宜および簡潔さのために、上記のシステムおよび装置の特定の作業プロセスについて、前述の方法の実施形態における対応するプロセスを参照できることを明確に理解することができる。特定の実施形態で詳細に説明されていない部分については、他の実施形態の関連する説明を参照することができる。

本出願で提供されるいくつかの実施形態では、開示されるシステム、装置、および方法は、他の方法で実施され得ることが理解されるべきである。例えば、上記の装置の実施形態は、例示にすぎない。例えば、ユニットの分割は、論理機能の分割にすぎない。実際の実施では、他の分割方法があり得、例えば、複数のユニットまたはコンポーネントが別のシステムに組み合わせまたは統合され得る。または一部の機能を無視するか、実施しないことができる。他方、示されているかまたは議論されている相互結合または直接結合または通信接続は、いくつかのインターフェース、デバイスまたはユニットの間接結合または通信接続を介することができ、電気的、機械的または他の形態であり得る。

個別のコンポーネントとして記述されているユニットは、物理的に分離されている場合とされていない場合があり、ユニットとして示されているコンポーネントは、物理的なユニットである場合とそうでない場合がある。つまり、１つの場所に配置されているか、複数のネットワークユニットに分散されている場合がある。ユニットのいくつかまたはすべては、この実施形態における解決策の目的を達成するための実際の必要性に従って選択され得る。

さらに、本発明の各実施形態における各機能ユニットは、１つの処理ユニットに統合され得るか、または各ユニットが物理的に単独で存在し得るか、または２つ以上のユニットが１つのユニットに統合され得る。上記の統合ユニットは、ハードウェアの形で実施することも、ソフトウェア機能ユニットの形で実施することもできる。

統合されたユニットは、ソフトウェア機能ユニットとして実施され、スタンドアロン製品として販売または使用される場合、コンピュータで読み取り可能な記憶媒体に格納することができる。そのような理解に基づいて、本発明の技術的解決策は、本質的にまたは先行技術に寄与する部分であるか、または技術的解決策の全部または一部をソフトウェア製品の形で具体化することができる。当該コンピュータソフトウェア製品は記憶媒体に保存され、コンピュータデバイス（パーソナルコンピュータ、サーバー、またはネットワークデバイスなどであり得る）に、本発明の様々な実施形態の方法のステップの全部または一部を実行させるためのいくつかの命令を含む。前述の記憶媒体には、Ｕディスク、モバイルハードディスク、読み取り専用メモリ（ＲＯＭ、Ｒｅａｄ－ＯｎｌｙＭｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ、ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、磁気ディスクまたは光ディスク、およびプログラムコードを保存できるその他のメディアが含まれる。

本発明の実施形態によって提供される脳機能地図を描画するための方法およびシステムは、上記で詳細に説明されている。本発明の原理および実施は、本文の特定の例で説明される。実施形態に関する上記の説明は、本発明の方法およびそのコアアイデアを理解するためにのみ使用される。同時に、当業者にとって、本発明の思想によれば、特定の実施および適用範囲に変更がある。要約すると、この説明の内容は、本発明を制限するものではない。

Claims

個々の脳機能地図を描画するための方法であって、
脳機能地図テンプレートを使用して個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得するステップであって、前記初期の個々の脳機能地図は、脳を複数の機能領域に分割する前記取得するステップと、
初期の個々の脳機能地図を、いくつかの大きな領域に分割するステップと、
反復プロセスに入るステップと、
終了条件が満たされたときに、反復を終了し、最終的な個々の脳機能地図を取得するステップとを含み、
前記各大きな領域には、いくつかの機能領域が含まれ、各反復プロセスは、各大きな領域の各ボクセルと前記大きな領域の各機能領域との接続度を順番に計算し、すべてのボクセルが調整されるまで、各ボクセルを前記ボクセルとの接続度が最も高い機能領域に調整することを含むことを特徴とする個々の脳機能地図を描画するための方法。
各反復プロセスは、
各機能領域内のすべてのボクセルの時系列信号に基づき、各機能領域の参考時系列信号を計算するステップと、
１つの未調整ボクセルを現在ボクセルとして調整するステップと、
現在ボクセルの時系列信号と現在大きな領域内のすべての機能領域の参考時系列信号との間の相関値を計算し、前記相関値を現在ボクセルと現在大きな領域内のすべての機能領域との接続度とするステップと、
現在ボクセルを現在ボクセルとの接続度が最も高い機能領域に調整するステップと、
すべてのボクセルが一度調整を完了したかどうかを判断し、すべてのボクセルが一度調整を完了した場合、前記１つの未調整ボクセルを現在ボクセルとして調整するステップに戻すステップと、
すべてのボクセルが一度調整されると、今回の反復プロセスを終了するステップとを含み、
前記現在大きな領域は、現在ボクセルが属する大きな領域であることを特徴とする請求項１に記載の個々の脳機能地図を描画するための方法。
反復に入る前に、各ボクセルの信頼度を初期化するステップをさらに含み、
現在ボクセルを現在ボクセルとの接続度が最も高い機能領域に調整した後、現在ボクセルの信頼度を更新するステップをさらに含み、
各機能領域の参考時系列信号を計算するステップは、各機能領域について、前記機能領域のすべての信頼度が所定のしきい値より小さくないボクセルの時系列信号の平均値または中央値を計算して、前記機能領域の参考時系列信号とするステップを含むことを特徴とする請求項２に記載の個々の脳機能地図を描画するための方法。
前記現在ボクセルの信頼度を更新するステップは、
算出された現在ボクセルの時系列信号と現在大きな領域内のすべての機能領域の参考時系列信号との間の相関値から、最大の相関値および２番目に大きい相関値を選択するステップと、
現在ボクセルの信頼度を計算して更新するステップとを含み、
現在ボクセルの信頼度は、最大の相関値と２番目に大きい相関値の比率に等しいことを特徴とする請求項３に記載の個々の脳機能地図を描画するための方法。
終了条件が満たされたときに、反復を終了するステップは、反復回数が所定の回数または収束基準に達したとき、反復を終了するステップを含むことを特徴とする請求項１から請求項４のいずれか一項に記載の個々の脳機能地図を描画するための方法。
脳機能地図テンプレートとして集団脳機能地図を事前に選択または生成するステップをさらに含み、
脳機能地図テンプレートとして集団脳機能地図を事前に選択または生成するステップは、
脳をいくつかの大きな領域に分割するステップと、
各大きな領域において、集団機能接続プロファイルを計算するステップであって、前記集団機能接続プロファイルは、大きな領域のボクセルおよび前記大きな領域内のＮ個の関心領域の機能的接続マトリックスであり、Ｎは自然数である前記計算するステップと、
特徴としての前記集団機能接続プロファイルに基づいて、クラスタリングアルゴリズムを使用して、各大きな領域を複数のきめ細かい粒度の機能パーティションに分割するステップと、
クラスタリングアルゴリズムの指標および機能的均一性を最大化する指標を評価し、複数の局所的な最適パーティションの数を決定するステップと、
マージアルゴリズムを使用して、大きな領域内のきめ細かい粒度の機能パーティションをマージし、脳全体の集団脳機能地図を作成して必要な脳機能地図テンプレートとするステップとを含むことを特徴とする請求項１から請求項４のいずれか一項に記載の個々の脳機能地図を描画するための方法。
集団脳機能地図を描画するための方法であって、
複数の人々の脳のＭＲＩスキャンデータを取得するステップと、
脳をいくつかの大きな領域に分割するステップと、
各大きな領域において、集団機能接続プロファイルを計算するステップと、
特徴としての前記集団機能接続プロファイルに基づいて、クラスタリングアルゴリズムを使用して、各大きな領域を複数のきめ細かい粒度の機能パーティションに分割するステップと、
クラスタリングアルゴリズムの指標および機能的均一性を最大化する指標を評価し、複数の局所的な最適パーティションの数を決定するステップと、
マージアルゴリズムを使用して、大きな領域内のきめ細かい粒度の機能パーティションをマージし、脳全体の集団脳機能地図を作成するステップとを含み、
前記集団機能接続プロファイルは、大きな領域内のすべてのボクセルおよび前記大きな領域内のＮ個の関心領域の機能的接続マトリックスであり、前記Ｎは自然数であることを特徴とする集団脳機能地図を描画するための方法。
前記集団機能接続プロファイルを計算するステップは、
各大きな領域において、個人機能接続プロファイルを計算するステップと、
各大きな領域のすべての個人機能接続プロファイルの平均値を計算し、集団機能接続プロファイルを取得するステップとを含み、
前記集団機能接続プロファイルは、大きな領域のボクセルおよび前記大きな領域内のＮ個の関心領域の機能的接続マトリックスであり、前記Ｎは自然数であることを特徴とする請求項７に記載の集団脳機能地図を描画するための方法。
個々の脳機能地図を描画するためのシステムであって、
脳機能地図テンプレートを使用して個々の脳機能地図を初期化し、初期の個々の脳機能地図を取得し、前記初期の個々の脳機能地図は、脳を複数の機能領域に分割するための、初期化モジュールと、
初期の個々の脳機能地図を、いくつかの大きな領域に分割するための、前処理モジュールであって、各大きな領域には、いくつかの機能領域が含まれる前処理モジュールと、反復プロセスに入り、終了条件が満たされたときに、反復を終了し、最終的な個々の脳機能地図を取得するための、反復処理モジュールとを含み、
各反復プロセスは、各大きな領域の各ボクセルと前記大きな領域の各機能領域との接続度を順番に計算し、すべてのボクセルが調整されるまで、各ボクセルを前記ボクセルとの接続度が最も高い機能領域に調整することを含むことを特徴とする個々の脳機能地図を描画するためのシステム。
データ処理システムであって、
プロセッサおよびメモリを含み、
前記メモリは、コンピュータ実行命令を格納するために使用され、前記データ処理システムが運行する場合、前記プロセッサは、前記メモリに格納された前記コンピュータ実行命令を実行し、前記データ処理システムに請求項１から請求項６のいずれか一項に記載の脳機能地図を描画するための方法を実行させることを特徴とするデータ処理システム。
医療画像処理システムであって、
データ収集システムと、データ出力インタラクションシステムと、請求項１０に記載のデータ処理システムとを含み、
前記データ収集システムは、個人のＭＲＩスキャンデータを取得し、取得したデータを前記データ処理システムにアップロードするように構成され、前記ＭＲＩスキャンデータは、機能ＭＲＩスキャンデータおよび／または構成ＭＲＩスキャンデータを含み、
前記データ処理システムは、請求項１から請求項６のいずれか一項に記載の脳機能地図を描画するための方法を実行し、最終的な個々の脳機能地図を取得し、最終的な個々の脳機能地図に基づいて、対応するレポートおよび／または画像を生成することができ、
前記データ出力インタラクションシステムは、前記データ処理システムから前記レポートおよび／または画像を取得し、前記レポートおよび／または画像を表示するように構成され、ここで、前記データ処理システムは、ローカルサーバーおよび／またはクラウドコンピューティングプラットフォームを含み、前記データ処理システムが、前記ローカルサーバーおよび前記クラウドコンピューティングプラットフォームを共に含む場合、前記ローカルサーバーおよび前記クラウドコンピューティングプラットフォームは、負荷均衡ポリシーおよび／または共有ポリシーに基づいて、請求項１から請求項６のいずれか一項に記載の脳機能地図を描画するための方法を実行することを特徴とする医療画像処理システム。
１つまたは複数のプログラムを記憶するコンピュータ可読記憶媒体であって、
前記１つまたは複数のプログラムは、コンピュータ実行命令を含み、前記コンピュータ実行命令がプロセッサを含むデータ処理システムによって実行されると、前記データ処理システムに、請求項１から請求項６のいずれか一項に記載の脳機能地図を描画するための方法を実行させる、コンピュータ可読記憶媒体。