本发明专利技术公开了一种基于非负矩阵分解的恶性胶质母细胞瘤组织分类方法，通过信号处理技术分析核磁共振谱成像数据，进而完成对脑胶质细胞瘤的组织分类。本发明专利技术通过对病人的MRSI数据进行两次NMF分解，从而将胶质细胞瘤的三种组织类型正常、肿瘤、坏死进行识别和分类。首先对MRSI数据进行波源数为2的NMF分解，得到正常组织和非正常组织对应的波源和空间分布h-map。然后确定最佳掩膜并在掩膜上再次进行波源数为2的NMF分解，得到肿瘤组织和坏死组织对应的波源。最后用NNLS估计出三个波源所对应的空间分布h-map。
【技术实现步骤摘要】
本专利技术属于医学信号处理
，设及一种基于非负矩阵分解的恶性胶质母细 胞瘤组织分类方法。
技术介绍
胶质细胞瘤（即神经胶质细胞瘤）是中枢神经系统中最常见的原发性神经系统肿 瘤。胶质细胞瘤在神经系统肿瘤中所占比例约为33%，在恶性肿瘤中的比例约为80%。其 中，I级和II级胶质细胞瘤为良性肿瘤，良性胶质细胞瘤患者可W存活很多年。III级和IV 级胶质细胞瘤为恶性肿瘤。恶性胶质母细胞瘤（glioblastoma, GBM)是最高级别的胶质细 胞瘤，其预后性极差、异质性程度很高，并且具有很强的弥漫浸润性，该些特性使得GBM的 诊断和预后变得非常困难。[000引核磁共振（Nuclear Ma即etic Resonance, NMR)技术是目前最常用的脑肿 瘤诊断手段，常常被用于脑肿瘤的初步诊断。核磁共振谱成像（Magnetic Resonance Spectroscopy Imaging, MRSI)技术在脑肿瘤的分类方面有着显著的优势。MRSI通过人 体的化学成分提供人体组织生物化学的空间信息，并且通过疾病情况下代谢物浓度的变 化，可W区分正常及肿瘤组织。对MRSI数据的处理需要用到盲信号分离炬lind Source S巧aration，BS巧技术，BSS算法的主要思想是将矩阵近似地分解为两个矩阵和的乘积。非 负矩阵分解（Non-negative Matrix F'actorization, NMF)是BSS算法中的一类，强制限定 和因子为非负，用NMF对MRSI数据进行处理可W得到理想的处理结果。 2004年，P. Sajda等人提出了约束非负矩阵分解算法（constrained NMF，cNMF)， 该是首次采用NMF来解决long-TE MRSI数据的组织分类问题。cNMF算法可W有效地提取 出具有重要物理意义的谱源，但该算法强调的是区分正常组织与非正常组织，却无法在非 正常组织中准确识别GBM组织。 李雨谦等人提出分层非负矩阵分解算法（hierarchical, hNMF)，首先使用一次 NMF方法将正常组织与非正常组织分开，然后通过设定合适的口限值在非正常组织中再次 应用NMF，从而识别出GBM组织。在第二级NMF前的口限选择上，该hNMF算法中在计算口限 值时只是沿着肿瘤缩小的方向进行，而沿着肿瘤缩小方向得到的口限值与沿着肿瘤扩大得 到的口限值是不同的。
技术实现思路
本专利技术的目的在于克服上述技术存在的缺陷，提供一种基于非负矩阵分解的恶性 胶质母细胞瘤组织分类方法，通过图像处理技术分析核磁共振谱成像数据，进而完成对脑 胶质细胞瘤的组织分类。本专利技术通过对病人的MRSI数据进行两次NMF分解，从而将胶质细 胞瘤的=种组织类型（正常、肿瘤、坏死）进行识别和分类。首先对MRSI数据进行波源数 为2的NMF分解，得到正常组织和非正常组织对应的波源和空间分布h-map。然后确定最 佳掩膜并在掩膜上再次进行波源数为2的NMF分解，得到肿瘤组织和坏死组织对应的波源。 最后用NNLS估计出=个波源所对应的空间分布h-map。其具体技术方案为： ，包括W下步骤： 第一步；第一级NMF ;在VOI (Volume of Interest,感兴趣区）区域内所有体素的 波谱构成的矩阵X上应用NMF，并令波源数量为2 ;波谱的初始值选用仿真的正常、肿瘤及 坏死组织分别对应的波谱；h-map的初始值为随机量；得到两个波源及其相应的空间分布 山""及^^。。》。1;比较两波谱的歴4/1198的比值，歴4/1198比值较大的波谱代表正常组织， 较小的为波谱代表非正常组织； 第二步；第二级NMF ;由山。。""1确定非正常组织范围，H abMtmd的数值范围为 出;设定ti、t2两个参数，其中ti由小至IJ大取值，t2由大至IJ小取值，取值范围均为 出min, HmJ ;构造掩膜函数f a)，对应不同的t值，HabMtmal中超过t值的数值对应的体素即代 表非正常组织，在由非正常组织波谱组成的矩阵上再次应用NMF算法，并令波源数目为2， 波谱的初始值选用仿真的正常、肿瘤及坏死组织分别对应的波谱；h-map的初始值为随机 量；由此得到两种波源啊",。"，,。,(〇与Ki。,口限值的选取法则； f (t) = corrl (t)+corr2 (t)+corr3 (t) corr、(t) = corr(W,mn,,。;[001 引 corr2(t) = corr(Wn0m,u,，W;l,0n"w(t)) c仍t3(〇 =厦奶6。。,,,,。/ 脚昭 最佳口限值的选取规则如下：t = arg min (f (ti), f 扣）） 得到最佳口限值下的喊,,。,,,,。/(/)与取。;,,。。。。/(〇后，计算Cho/Lips的比值，Cho/Lips 比值较小的波谱对应为坏死组织即另一个对应为肿瘤组织即 第立步：NNLS估计；由得到的；个波源胖。。"。1，及在第一步中VOI区 域上应用非负最小二乘，得到S个波源对应的准确的空间分布h-map。[001引优选地，第一步中，NAA与Lips的值分别为2. Olppm及1.化pm附近区域的最大强 度值。 优选地，第二步中，化0与Lips的值分别为3. 22ppm及1.化pm附近区域的最大强 度值。 与现有技术相比，本专利技术的有益效果为： 相比于现有技术的缺点和不足，本专利技术具有W下有益效果： 1、采用口限最优化方法，能够准确分解出=种组织所对应的具有代表性波谱W及 其对应的空间分布。 2、从口限值扩大和缩小两个方向求解最优口限值，能够更加准确确定最佳掩膜 值，避免因单方向所得掩膜不是最佳掩膜的问题。【附图说明】 图1为本专利技术方法的流程图。【具体实施方式】 为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结 合附图和具体实例进一步阐述本专利技术。 参照图1，，包括W下步 骤： S1;第一级 NMF 分解。 在VOI区域内所有体素的波谱构成的矩阵X上应用NMF，方法采用A. Cichocki 在文献《Hierarchical ALS Algorithms for nonnegative matrix and 3D tensor 化ctorization》中所述方法，并令波源数量为2,迭代分解初值选用仿真数据中正常、肿瘤 组织所对应的参考波当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于非负矩阵分解的恶性胶质母细胞瘤组织分类方法，其特征在于，包括以下步骤：第一步：第一级NMF；在VOI区域内所有体素的波谱构成的矩阵X上应用NMF，并令波源数量为2；波谱的初始值选用仿真的正常、肿瘤及坏死组织分别对应的波谱；h‑map的初始值为随机量；得到两个波源及其相应的空间分布Hnormal及Habnormal；比较两波谱的NAA/Lips的比值，NAA/Lips比值较大的波谱代表正常组织，较小的为波谱代表非正常组织；第二步：第二级NMF；由Habnormal确定非正常组织范围，Habnormal的数值范围为[Hmin,Hmax]；设定t1、t2两个参数，其中t1由小到大取值，t2由大到小取值，取值范围均为[Hmin,Hmax]；构造掩膜函数f(t)，对应不同的t值，Habnormal中超过t值的数值对应的体素即代表非正常组织，在由非正常组织波谱组成的矩阵上再次应用NMF算法，并令波源数目为2，波谱的初始值选用仿真的正常、肿瘤及坏死组织分别对应的波谱；h‑map的初始值为随机量；由此得到两种波源与门限值的选取法则：f(t)＝corr1(t)+corr2(t)+corr3(t)corr1(t)=corr(Wnormal,Wabnormal1(t))]]>corr2(t)=corr(Wnormal,Wabnormal2(t))]]>corr3(t)=corr(Wabnormal1(t),Wabnormal2(t))]]>最佳门限值的选取规则如下：t＝argmin(f(t1),f(t2))得到最佳门限值下的与后，计算Cho/Lips的比值，Cho/Lips比值较小的波谱对应为坏死组织即Wnecrosis，另一个对应为肿瘤组织即Wtumor；第三步：NNLS估计；由得到的三个波源Wnormal，Wtumour及Wnecrosis，在第一步中VOI区域上应用非负最小二乘法，得到三个波源对应的准确的空间分布h‑map。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李雨谦，皮亦鸣，刘鑫，闵锐，范录宏，李晋，杨晓波，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。