一种基于图论的自闭症检测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图论的自闭症检测方法及装置，属于医学图像处理技术领域。本发明专利技术首先基于本发明专利技术所设置的网络消耗最低的阈值作为二值化阈值来构建各磁共振图像所对应的脑功能网络拓扑图，再基于自闭症患者与正常人在节点度信息的差异统计信息确定有异常脑区，再提取这些被确定为异常脑区的特征信息，即脑区所对应的节点的节度信息；基于所提取的特征信息进行自闭症二分分类器的模型训练和检测，为自闭症诊断提供辅助诊断帮助。

【技术实现步骤摘要】
一种基于图论的自闭症检测方法及装置
本专利技术属于医学图像处理
，具体涉及一种基于磁共振图像的处理进行自闭症的分类处理技术。
技术介绍
自闭症是一种较为常见的精神性疾病，其是一种广泛性发育障碍的亚型疾病，该病症状主要表现为不同程度的言语发育障碍，人际交往障碍、兴趣狭窄和行为方式刻板以及智能障碍等。该病在我国的发病率并不少见，但到现在为止，对于自闭症的诊断仍然没有太好的办法。目前对于自闭症的诊断大部分是通过医生对于儿童的平时生长发育史、病史及精神进行检查，并且参考当前国际公认的自闭症诊断标准DSM-5进行病症诊断。这对于医生的临床经验要求特别高，而且诊断标准也由医生进行把控，这也为自闭症的诊断产生阻碍，因此，有必要提供一种基于磁共振图像的处理进行自闭症的二分类处理技术，以便于实现辅助诊断。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供一种基于磁共振图像的自闭症检测方法。本专利技术的检测方法采用的技术方案为：采集训练样本数据集步骤：通过核磁共振扫描仪采集一定数量的正常人的静息态功能磁共振数据，以及一定数量的自闭症患者的静息态功能磁共振数据，从而得到两组磁共振图像，其中一组为自闭症患者的磁共振图像，另一组为正常人的磁共振图像；对训练样本数据集进行数据预处理步骤：将每幅磁共振图像中的前连和的位置作为其空间坐标原点后，并进行头动校正处理；对头动校正处理后的图像进行图像分割，分割成脑灰质、白质及脑脊液三部分；对分割后的脑灰质图像进行空间标准化处理后，再进行空间位置校正处理；对空间位置校正处理后的脑灰质图像进行空间平滑处理；对数据处理后的训练样本数据集中的各灰质图像进行脑功能网络构建的步骤：基于从脑区标准模板库中选择的脑区模板，将各灰质图像分为多个脑区；并利用时间序列计算各个脑区间的时序相关系数，从而得到每幅脑灰质图像关于脑区的相关系数矩阵；再基于预设的步长，在二值化的阈值范围[0.05,0.4]内查找网络效率值最大的阈值作为最优二值化阈值；基于所述最优二值化阈值对相关系数矩阵进行二值化处理，得到脑灰质图像关于脑区的二值矩阵：若相关系数大于最优二值化阈值，则二值化结果为1；否则为0；将每个脑区作为一个节点，基于二值矩阵得到每幅脑灰质图像的脑功能网络拓扑图；确定异常脑区步骤：基于各节点的节点度对正常人和自闭症患者的脑功能网络拓扑图进行统计，将差异超过预设阈值的脑区定义为异常脑区；训练分类器步骤：对训练样本数据集中的各训练样本进行特征提取处理，基于提取的特征对预设的用于自闭症检测的二分分类器模型进行模型训练处理，待满足预设的检测精度时，停止训练，得到训练好的分类器；其中，个训练样本的特征信息为：异常脑区的节点度信息；对待检测对象的检测处理步骤：通过核磁共振扫描仪采集待检测对象的静息态功能磁共振数据，得到待检测磁共振图像；对待检测磁共振图像进行数据预处理和脑功能网络构建处理后，得到待检测磁共振图像的脑功能网络拓扑图，并提取异常脑区的节点度信息作为待检测对象的特征信息；将待检测对象的特征信息输入到训练好的分类器中，得到检测结果。同时，本专利技术还提供了基于上述检测方法的检测装置，包括数据接收及预处理模块、脑功能网络构建模块、特征提取模块、异常脑区确定模块、分类器训练模块和分类检测模块；其中，数据接收及预处理模块用于接收训练样本和待检测对象的磁共振图像，并对接收的磁共振图像进行数据预处理后，再发送给脑功能网络构建模块；其中，训练样本包括正常人和自闭症患者的磁共振图像；脑功能网络构建模块，构建对应各磁共振图像的脑功能网络拓扑图，并发送给特征提取模块、异常脑区确定模块；异常脑区确定模块，基于脑功能网络拓扑图的各节点的节点度对正常人和自闭症患者的脑功能网络拓扑图进行统计，将差异超过预设阈值的脑区定义为异常脑区；以及将异常脑区确定结果发送给特征提取模块；特征提取模块，用于提取各脑功能网络拓扑图中的异常脑区的节点度信息，并将提取的训练样本的特征信息发送给分类器训练模块，将待检测对象的特征信息发送给分类检测模块；分类器训练模块，用于接收用户设置的二分分类模型，并基于输入的训练样本的特征信息对二分分类模型进行自闭症检测的分类器训练，当分类检测精度满足用户设置的精度需求时，得到训练好的自闭症分类器，并发送给分类检测模块；分类器检测模块，基于训练好的自闭症分类器和输入的待检测对象的特征信息进行自闭症的二分分类检测，输出待检测对象的检测结果。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术首先基于本专利技术所设置的二值化阈值构建各磁共振图像所对应的脑功能网络拓扑图，再基于自闭症患者与正常人在节点度信息的差异统计信息确定有异常脑区，仅提取异常脑区的特征信息进行训练及检测，从而实现对特征的降维处理，通过使用节点度选择脑功能网络的特征信息进行二分分类模型的训练及检测，为自闭症诊断提供辅助诊断帮助。附图说明图1是ASD(自闭症)与HC(正常)功能性网络标准化聚类系数对比；图2是ASD和HC功能性网络标准化特征路径长度对比；图3是ASD与HC功能性网络小世界属性对比；图4是ASD与HC功能性网络全局效率对比，其中NCE表示网络构建的成本效率；图5是ASD与HC功能性网络局部效率对比。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本专利技术作进一步地详细描述。本专利技术通过磁共振成像技术及图论的理论知识，通过分析判断采集的磁共振图像所对应的大脑功能网络的特定特征信息，基于训练好的分类模型，实现对磁共振图像关于是否存在自闭症的二分分类处理，从而可以帮助医生进行自闭症的辅助诊断。本专利技术的基于图论的自病症的检测方法包括下列步骤：数据采集、数据预处理、网络构建和网络检测。其中，数据采集包括训练样本的数据采集，以及当前待检测对象的数据采集，即通过核磁共振扫描仪采集一定数量的正常人的静息态功能磁共振数据(磁共振图像)，以及相应数量的自闭症患者的静息态功能磁共振数据，并作为对应的训练样本；以及采集通过核磁共振扫描仪采集当前待检测对象的静息态功能磁共振数据。然后对采集得到的磁共振图像进行相应的数据预处理，以减少外在因素对于训练及检测处理的干扰，所述数据预处理过程包括：(1)通过手动设置空间坐标原点，即将空间原点设置在前连和的位置，并进行相关头动校正，对头动较大(例如超过头动在平移2mm转动2°范围)的图像数据进行排除；(2)对所有采集数据进行图像分割，分割成脑灰质、白质及脑脊液三部分。后续处理主要针对的是分割后的脑灰质图像；(3)对分割后的脑灰质图像进行空间标准化处理，本具体实施方式中采用MNI(MontrealNeurologicalInstitute)空间，即将其重新配准到MNI空间；(4)对于在空间标准化中所出现的误差进行校正处理；(5)为了降低图像噪声的存在，对误差校正处理后的脑灰质图像再进行空间平滑处理。其中优选的方式为：8mm高斯核来进行空间平滑处理。网络构建，及功能网络构建是利用分割得到的脑灰质图像进行构建，将预处理完的静息态核磁共振图像，使用脑区标准模板库中的Power模板将整个功能像分为264个脑区，并利用时间序列求各个脑区间的时序相关系数，从而得到每幅脑灰质图像的相关系数矩阵。为了减少网络中过多的边本文档来自技高网...

【技术保护点】
1.一种基于图论的自闭症检测方法，其特征在于，包括下列步骤：采集训练样本数据集步骤：通过核磁共振扫描仪采集一定数量的正常人的静息态功能磁共振数据，以及一定数量的自闭症患者的静息态功能磁共振数据，从而得到两组磁共振图像，其中一组为自闭症患者的磁共振图像，另一组为正常人的磁共振图像；对训练样本数据集进行数据预处理步骤：将每幅磁共振图像中的前连和的位置作为其空间坐标原点后，并进行头动校正处理；对头动校正处理后的图像进行图像分割，分割成脑灰质、白质及脑脊液三部分；对分割后的脑灰质图像进行空间标准化处理后，再进行空间位置校正处理；对空间位置校正处理后的脑灰质图像进行空间平滑处理；对数据处理后的训练样本数据集中的各灰质图像进行脑功能网络构建步骤：基于从脑区标准模板库中选择的脑区模板，将各灰质图像分为多个脑区；并利用时间序列计算各个脑区间的时序相关系数，从而得到每幅脑灰质图像关于脑区的相关系数矩阵；再基于预设的步长，在二值化的阈值范围[0.05,0.4]内查找网络效率值最大的阈值作为最优二值化阈值；基于所述最优二值化阈值对相关系数矩阵进行二值化处理，得到脑灰质图像关于脑区的二值矩阵：若相关系数大于最优二值化阈值，则二值化结果为1；否则为0；将每个脑区作为一个节点，基于二值矩阵得到每幅脑灰质图像的脑功能网络拓扑图；确定异常脑区步骤：基于各节点的节点度对正常人和自闭症患者的脑功能网络拓扑图进行统计，将差异超过预设阈值的脑区定义为异常脑区；训练分类器步骤：对训练样本数据集中的各训练样本进行特征提取处理，基于提取的特征对预设的用于自闭症检测的二分分类器模型进行模型训练处理，待满足预设的检测精度时，停止训练，得到训练好的分类器；其中，训练样本的特征信息为：异常脑区的节点度信息；对待检测对象的检测处理步骤：通过核磁共振扫描仪采集待检测对象的静息态功能磁共振数据，得到待检测磁共振图像；对待检测磁共振图像进行数据预处理和脑功能网络构建处理后，得到待检测磁共振图像的脑功能网络拓扑图，并提取异常脑区的节点度信息作为待检测对象的特征信息；将待检测对象的特征信息输入到训练好的分类器中，得到检测结果。...

【技术特征摘要】
1.一种基于图论的自闭症检测方法，其特征在于，包括下列步骤：采集训练样本数据集步骤：通过核磁共振扫描仪采集一定数量的正常人的静息态功能磁共振数据，以及一定数量的自闭症患者的静息态功能磁共振数据，从而得到两组磁共振图像，其中一组为自闭症患者的磁共振图像，另一组为正常人的磁共振图像；对训练样本数据集进行数据预处理步骤：将每幅磁共振图像中的前连和的位置作为其空间坐标原点后，并进行头动校正处理；对头动校正处理后的图像进行图像分割，分割成脑灰质、白质及脑脊液三部分；对分割后的脑灰质图像进行空间标准化处理后，再进行空间位置校正处理；对空间位置校正处理后的脑灰质图像进行空间平滑处理；对数据处理后的训练样本数据集中的各灰质图像进行脑功能网络构建步骤：基于从脑区标准模板库中选择的脑区模板，将各灰质图像分为多个脑区；并利用时间序列计算各个脑区间的时序相关系数，从而得到每幅脑灰质图像关于脑区的相关系数矩阵；再基于预设的步长，在二值化的阈值范围[0.05,0.4]内查找网络效率值最大的阈值作为最优二值化阈值；基于所述最优二值化阈值对相关系数矩阵进行二值化处理，得到脑灰质图像关于脑区的二值矩阵：若相关系数大于最优二值化阈值，则二值化结果为1；否则为0；将每个脑区作为一个节点，基于二值矩阵得到每幅脑灰质图像的脑功能网络拓扑图；确定异常脑区步骤：基于各节点的节点度对正常人和自闭症患者的脑功能网络拓扑图进行统计，将差异超过预设阈值的脑区定义为异常脑区；训练分类器步骤：对训练样本数据集中的各训练样本进行特征提取处理，基于提取的特征对预设的用于自闭症检测的二分分类器模型进行模型训练处理，待满足预设的检测精度时，停止训练，得到训练好的分类器；其中，训练样本的特征信息为：异常脑区的节点度信息；对待检测对象的检测处理步骤：通过核磁共振扫描仪采集待检测对象的静息态功能磁共振数据，得到待检测磁共振图像；对待检测磁共振图像进行数据预处理和脑功能网络构建处理后，得到待检测磁共振图像的脑功能网络拓扑图，并提取异常脑区的节点度信息作为待检测对象的特征信息；将待检...

【专利技术属性】
技术研发人员：邢建川，韩保祯，康亮，丁志新，王翔，邢政，袁一钦，陈佳鑫，陈兴达，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51