一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法及装置制造方法及图纸

本发明专利技术公开了一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法及装置，属于医学影像图像处理技术领域。本发明专利技术首先对样本数据进行预处理和提取多个脑区时间序列，采用皮尔逊相关计算脑区时间序列之间的相关系数构建脑功能网络，计算脑网络参数。其次采用逐步分析方法提取特征，并训练二分分类器，对待分类的静息态功能磁共振数据提取对应的特征向量并输入训练好的二分分类器，得到对医学影像图像分类结果。与现有方法相比，本发明专利技术的分类准确率、敏感性和特异性更好。

【技术实现步骤摘要】
一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法及装置
本专利技术属于医学影像图像处理
，具体涉及到利用静息态功能性磁共振成像(fMRI)技术和脑功能网络特征对早期和晚期轻度认知障碍疾病分类。
技术介绍
轻度认知障碍(MCI)是介于健康衰老和痴呆之间的一种中间阶段。有研究表明每年MCI转移到老年痴呆症(AD)上的概率大概在10％～15％之间，而正常老龄人转变为AD则在1％～2％范围内。作为正常老龄化向痴呆过渡的中间阶段，MCI受到了广泛的关注。根据MCI疾病记忆损伤程度的不同，可以将MCI病人分为早期MCI患者(EMCI)和晚期MCI患者(LMCI)。但EMCI和LMCI在多维信息上存在差异，寻找有效的分类生物标记并构建分类模式对两类患者进行分类，可以更好的了解病情的发展，能够加强对引起转变因素的了解，以促进对不同程度疾病进行针对治疗。研究表明MCI疾病与大脑特殊脑区灰质减少、皮层厚度变薄、白质连接变化等有关。在MCI疾病检测研究中，内嗅皮层，内侧颞叶，后扣带等脑区的萎缩有较高的敏感性和特异性，利用这些脑区进行分类也取得很好的分类效果。在EMCI和LMCI两组的功能脑网络研本文档来自技高网...

【技术保护点】
一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法，其特征在于，包括下列步骤：步骤1：对采集的静息态功能磁共振数据进行预处理得到训练样本；步骤2：对训练样本进行脑网络特征提取：201：选择待提取的脑区，并分别提取每个脑区的时间序列的均值作为每个脑区的脑网络节点，得到M个脑网络节点构成的脑区网络节点集合V，其中M为脑区数；202：计算任意两个脑网络节点的相关系数

【技术特征摘要】
2017.09.26 CN 20171087987191.一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法，其特征在于，包括下列步骤：步骤1：对采集的静息态功能磁共振数据进行预处理得到训练样本；步骤2：对训练样本进行脑网络特征提取：201：选择待提取的脑区，并分别提取每个脑区的时间序列的均值作为每个脑区的脑网络节点，得到M个脑网络节点构成的脑区网络节点集合V，其中M为脑区数；202：计算任意两个脑网络节点的相关系数其中i、j表示脑网络节点区分符，ti、tj分别表示脑网络节点i、j的时间序列的元素，分别表示脑网络节点i、j的时间序列的均值，n为训练样本标识符；203：设置两个脑网络节点i和j间的连通性：若相关系数rn(i,j)大于或等于预设阈值γ，则脑网络节点i和j间为连通；否则为不连通；204：基于脑网络节点间的连通性，提取每个训练样本的脑网络特征集合{K，B,L}：计算每个脑网络节点的节点连接数Ki，由M个脑网络节点的节点连接数Ki得到脑区网络节点度集合K；计算每个脑网络节点的中心度其中Sjm表示脑网络节点m和j之间存在的最短路径个数，Sjm(i)表示脑网络节点m和j中最短路径经过节点i的个数，由M个脑网络节点的中心度得到脑区网络节点中心度集合B；计算从脑网络节点i到脑网络节点j的最短路径数Lij，其中j≠i∈V，得到脑网络节点i的节点路径长度|V|表示集合V的数目，由M个节点路径长度Li得到脑区网络节点路径长度集合L；步骤3：提取训练样本的特征向量：对每个训练样本的每个脑区的脑网络特征Ki、Bi和Li，对所有脑区的三类脑网络特征进行随机组合，得到7种组合数据；对每个训练样本的每种组合数据采用逐步分析方法进行特征筛选，并记录每一个组合所选择的特征标号，得到组合选择特征集其中k为训练样本标识符，c为组合方式标识符；所述特征标号包括脑区标识符和脑网络特征类别标识符；统计所有组合中各特征标号的出现概率，取出现概率最大的前Tth个特征标号所对应的脑网络特征作为每个训练样本的特征向量，其中阈值Tth为预设值；步骤4：分别对各训练样本的特征向量进行归一化预处理后，训练用于区分早期和晚期轻度认知障碍的二分分类器；步骤5：输入待分类的静息态功能磁共振数据，并采用提取训练样本的特征向量相同的方式，提取待分类的静息态功能磁共振数据的特征向量；对提取的特征向量进行归一化预处理后输入所述二分分类器得到分类结果。2.如权利要求1所述的方法，其特征在于，步骤203中，设置两个脑网络节点i和j间的连通性具体为：在取值范围[8％,20％]内，基于预设步长遍历NCost个稀疏度阈值Cost，并基于每个稀疏度阈值Cost脑网络节点i和j间的初始连通性：将相关系数rn(i,j)降序排序，并将前Cost对应的脑网络节点间的连通性设置为连通；其它设置为非连通；基于对应每个稀疏度阈值Cost的脑网络节点间的初始连通性，计算四种网络参数：脑网络平均最短路径长度LG、网络平均聚类系数CG、全局效率Eg和局部效率El，得到每个训练样本的NCost组网络参数；将训练样本分为两组，一组的类别为晚期轻度认知障碍，另一组的类别为早期轻度认知障碍；采用双样本t检验计算两组训练样本在关于血氧水平依赖BOLD信号的预设频段下的各种网络参数的差异，获取最大差异所对应的Cost值，记为Costmax；基于降序排序的相关系数rn(i,j)序列，将前Costmax对应的脑网络节点间的连通性设置为连通，其它设置为非连通；其中，所述脑网络平均最短路径长度其中Li表示脑网络节点i的最短路径长度；所述网络平均聚类系数其中脑区网络节点聚类系数Ki表示脑网络节点i的节点连接数，ei为脑区网络节点i的邻居脑区网络节点组成的子网络中实际存在的边数；所述全局效率所述局部效率Gi为与脑区网络节点i相连的脑区网络节点所...

【专利技术属性】
技术研发人员：李凌，赵赞赞，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51