基于脑灰质白质形态特征多重降维的脑认知能力测量方法技术

技术编号:21300767 阅读:34 留言:0更新日期:2019-06-12 08:13
本发明专利技术属于脑认知能力测量领域,具体涉及一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法,旨在为了解决即为了解决脑认知能力测量的智能化与便捷化问题。本发明专利技术方法包括:对输入的磁共振图像进行特征提取,获得体素层面计算得到的灰质、白质的局部特征;对获得的灰质、白质的局部特征进行正交投影降维;基于预先构建的认知能力‑局部特征对应关系,对降维后的局部特征进行认知能力的测量,并输出测量结果。本发明专利技术通过磁共振图像进行认知能力测量是实现了脑认知能力测量的自动化、智能化与便捷化。

Measurement of Brain Cognitive Ability Based on Multiple Dimension Reduction of White Matter Morphological Characteristics of Brain Gray Matter

The invention belongs to the field of brain cognitive ability measurement, and specifically relates to a method of brain cognitive ability measurement based on multiple dimensionality reduction of gray matter white matter morphological characteristics, aiming at solving the problem of intellectualization and convenience of brain cognitive ability measurement. The method of the invention includes: extracting features of input magnetic resonance images, obtaining local features of gray matter and white matter calculated at voxel level; reducing dimension by orthogonal projection of local features of gray matter and white matter obtained; measuring cognitive ability of local features after dimensionality reduction based on pre-constructed cognitive ability correspondence of local features, and outputting measurement results. \u3002 The invention realizes the automation, intellectualization and convenience of brain cognitive ability measurement by magnetic resonance image for cognitive ability measurement.

【技术实现步骤摘要】
基于脑灰质白质形态特征多重降维的脑认知能力测量方法
本专利技术属于脑认知能力测量领域,具体涉及一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法。
技术介绍
目前测量人脑认知能力的方式,主要是问卷测量的方式,比如考试测验、问卷调查等方式。这种方式通常会受到主管因素的干扰,包括主试或被试的情绪或精神状态的影响,因此通常很难得到稳定客观的评测结果。目前随着脑成像技术的进步,已经能够以高时空分辨率的形式测量得到脑的结构和功能活动信息。但是,由于功能活动的测量需要花费较多的时间,在测量中也需要设计特定的任务让被试执行,在实际应用中推广受到较多限制。因此,实际应用中需要一种基于简单的能够稳定测量的人脑信号来评估人脑的认知能力。
技术实现思路
为了解决现有技术中的上述问题,即为了解决脑认知能力测量的智能化与便捷化问题,本专利技术的一方面,提出了一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法,包括:步骤S10,对输入的磁共振图像进行特征提取,获得体素层面计算得到的灰质、白质的局部特征;步骤S20,对步骤S10中获得的灰质、白质的局部特征进行正交投影降维;步骤S30,基于预先构建的认知能力-局部特征对应关系,对降维后的局部特征进行认知能力的测量,并输出测量结果;其中,所述的认知能力-局部特征对应关系为:基于局部特征样本及对应的认知能力标签,通过线性或者非线性回归的方法获取的认知能力和局部特征的对应关系表示。在一些优选实施例中,所述的局部特征样本,其获取方法为:将磁共振图像样本,通过步骤S10的方法获取灰质、白质的局部特征,并通过S20的方法进行降维获取。在一些优选实施例中,所述磁共振图像包括磁共振T1结构图像,其灰质、白质的局部特征提取的方法为:对磁共振T1结构图像进行脑组织分割,获取脑灰质皮层、白质结构,并分别进行建模;基于脑灰质皮层模型中脑灰质皮层的外表面、内表面以及中间层面,计算脑灰质皮层的中间层每个体素位置的皮层厚度、皮层复杂度,以及脑灰质皮层的内表面两侧灰质和白质的灰度比值;基于白质结构模型,计算白质的总体积;将脑灰质皮层的中间层每个体素位置的皮层厚度、皮层复杂度,脑灰质皮层的内表面两侧灰质和白质的灰度比值,以及白质的总体积作为所提取的灰质、白质的局部特征。在一些优选实施例中,所述磁共振图像还包括扩散磁共振所表示的结构图像,其特征提取的方法为:通过扩散张量成像或者高角度分辨率的扩散磁共振成像,计算反映脑白质纤维结构信息的指标,并将该指标作为所提取的特征加入灰质、白质的局部特征;所述反映脑白质纤维结构信息的指标包括白质的髓鞘化程度、和/或水分子扩散平均受阻碍程度。在一些优选实施例中,所述皮层复杂度采用网格计数法进行计算获取;和/或所述脑灰质皮层的内表面两侧灰质和白质的灰度比值,其获取方法为:对于一个灰质体素,获取器对应白质表面的法线,以法线和灰质表面的交点为起始点,往灰质和白质方向分别移动d/2后两个位置的灰质值和白质值的比值即为所要计算的灰度比值;其中d为该灰度体素位置的灰质厚度。在一些优选实施例中,所述白质的髓鞘化程度,其计算方法为:其中,FA为白质的髓鞘化程度,D为单个体素内高斯分布函数拟合的水分子扩散模型,为3行3列的正定矩阵,Trace(D)为D的三个特征值之和,I为3行3列的单位矩阵,为矩阵D的三个特征值的平均值,表示每个体素所近似拟合的椭球的三个轴的长度。在一些优选实施例中,所述水分子扩散平均受阻碍程度,其计算方法为:其中,MD为水分子扩散平均受阻碍程度,Trace(D)为D的三个特征值之和,为矩阵D的三个特征值的平均值,表示每个体素所近似拟合的椭球的三个轴的长度。在一些优选实施例中,所述的认知能力-局部特征对应关系的获取过程中,所采用的线性或者非线性回归的方法为支持向量机的线性或者非线性回归的方法;所述认知能力-局部特征对应关系还包括预设的置信区间。本专利技术的第二方面,提出了一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的基于脑灰质白质形态特征多重降维的脑认知能力测量方法。本专利技术的第三方面,提出了一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于脑灰质白质形态特征多重降维的脑认知能力测量方法。本专利技术的有益效果:1.对被试的数据要求低,只要求磁共振结构T1图像或磁共振扩散加权图像(DWI),或者两者的组合,而不需要被试对象参与任务执行,避免了任务设计带来的不确定性;而且通过计算机手段进行磁共振图像的特征提取,并结合基于大量数据样本构建的认知能力-局部特征对应关系,进行认知能力测量实现了脑认知能力测量的自动化、智能化与便捷化;同时具有较高的识别准确度。2.该方法在体素水平进行训练,充分利用了结构图像的特征,并且通过综合利用测量对象和预测对象进行有效降维,使得在低维空间进行回归预测,有更好的稳定性和泛化性能。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:图1是本专利技术一种实施例的基于脑灰质白质形态特征多重降维的脑认知能力测量方法流程示意图。具体实施方式为使本专利技术目的、技术方案和优点更加清楚,下面将结合附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关专利技术,而非对该专利技术的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关专利技术相关的部分。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本专利技术的一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法,如图1所示,包括:步骤S10,对输入的磁共振图像进行特征提取,获得体素层面计算得到的灰质、白质的局部特征;步骤S20,对步骤S10中获得的灰质、白质的局部特征进行正交投影降维;步骤S30,基于预先构建的认知能力-局部特征对应关系,对降维后的局部特征进行认知能力的测量,并输出测量结果;其中,所述的认知能力-局部特征对应关系为:基于局部特征样本及对应的认知能力标签,通过线性或者非线性回归的方法获取的认知能力和局部特征的对应关系表示。为了更清晰地对本专利技术基于脑灰质白质形态特征多重降维的脑认知能力测量方法进行说明,下面结合附图对本方专利技术方法一种实施例中各步骤进行展开详述。步骤S10,对输入的磁共振图像进行特征提取,获得体素层面计算得到的灰质、白质的局部特征。磁共振图像为磁共振T1结构图像时,则先进行脑组织分割,分割出脑灰质皮层、白质结构,并分别进行建模,进而获取灰质、白质的局部特征,包括:脑灰质皮层的中间层每个体素位置的皮层厚度、皮层复杂度,脑灰质皮层的内表面两侧灰质和白质的灰度比值,以及白质的总体积。结合局部特征的需求,还可以对分割和特征提取进一步扩充,例如分割出的结构包括脑灰质皮层、白质结构、脑室,以及脑皮层外的组织(包括脑脊液颅骨等),随后对所提取的脑组织进行建模本文档来自技高网...

【技术保护点】
1.一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法,其特征在于,包括:步骤S10,对输入的磁共振图像进行特征提取,获得体素层面计算得到的灰质、白质的局部特征;步骤S20,对步骤S10中获得的灰质、白质的局部特征进行正交投影降维;步骤S30,基于预先构建的认知能力‑局部特征对应关系,对降维后的局部特征进行认知能力的测量,并输出测量结果;其中,所述的认知能力‑局部特征对应关系为:基于局部特征样本及对应的认知能力标签,通过线性或者非线性回归的方法获取的认知能力和局部特征的对应关系表示。

【技术特征摘要】
1.一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法,其特征在于,包括:步骤S10,对输入的磁共振图像进行特征提取,获得体素层面计算得到的灰质、白质的局部特征;步骤S20,对步骤S10中获得的灰质、白质的局部特征进行正交投影降维;步骤S30,基于预先构建的认知能力-局部特征对应关系,对降维后的局部特征进行认知能力的测量,并输出测量结果;其中,所述的认知能力-局部特征对应关系为:基于局部特征样本及对应的认知能力标签,通过线性或者非线性回归的方法获取的认知能力和局部特征的对应关系表示。2.根据权利要求1所述的基于脑灰质白质形态特征多重降维的脑认知能力测量方法,其特征在于,所述的局部特征样本,其获取方法为:将磁共振图像样本,通过步骤S10的方法获取灰质、白质的局部特征,并通过S20的方法进行降维获取。3.根据权利要求1所述的基于脑灰质白质形态特征多重降维的脑认知能力测量方法,其特征在于,所述磁共振图像包括磁共振T1结构图像,其灰质、白质的局部特征提取的方法为:对磁共振T1结构图像进行脑组织分割,获取脑灰质皮层、白质结构,并分别进行建模;基于脑灰质皮层模型中脑灰质皮层的外表面、内表面以及中间层面,计算脑灰质皮层的中间层每个体素位置的皮层厚度、皮层复杂度,以及脑灰质皮层的内表面两侧灰质和白质的灰度比值;基于白质结构模型,计算白质的总体积;将脑灰质皮层的中间层每个体素位置的皮层厚度、皮层复杂度,脑灰质皮层的内表面两侧灰质和白质的灰度比值,以及白质的总体积作为所提取的灰质、白质的局部特征。4.根据权利要求3所述的基于脑灰质白质形态特征多重降维的脑认知能力测量方法,其特征在于,所述磁共振图像还包括扩散磁共振所表示的结构图像,其特征提取的方法为:通过扩散张量成像或者高角度分辨率的扩散磁共振成像,计算反映脑白质纤维结构信息的指标,并将该指标作为所提取的特征加入灰质、白质的局部特征;所述反映脑白质纤维结构信息的指标包括白质的髓鞘化程度、和/或水分子扩散平均受阻碍程度。5.根据...

【专利技术属性】
技术研发人员:左年明蒋田仔
申请(专利权)人:中国科学院自动化研究所
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1