基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法技术方案

本发明专利技术提供一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法。该诊断系统包括预处理单元、动态脑网络构建单元、动态脑网络图核计算单元和分类诊断单元，首先通过预处理单元对功能核磁共振图像进行图像的预处理，然后通过动态脑网络构建单元对预处理后的功能核磁共振图像依次进行脑区的匹配、时间段的分割、互信息值的计算以及频繁子图的挖掘，然后通过动态脑网络图核计算单元对重建的频繁子图动态脑功能网络依次通过二分图的最优匹配、图核的计算、图核矩阵的组合以及权值的分配，得到一个融合后的动态脑功能网络图核矩阵，通过与核SVM结合通过数据训练器进行数据的训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。

Auxiliary diagnosis system and method of Alzheimer's disease based on dynamic brain network

The invention provides an auxiliary diagnosis system and method of Alzheimer's disease based on dynamic brain network graph core. The diagnosis system includes preprocessing unit, dynamic brain network building unit, dynamic brain network nuclear computing unit and classification diagnosis unit. Firstly, the image of fMRI is preprocessed by preprocessing unit, then the brain area matching, time segment segmentation and mutual information are processed by dynamic brain network building unit Then, through the dynamic brain network graph kernel computing unit, the reconstructed frequent subgraph dynamic brain function network is successively obtained through the optimal matching of bipartite graph, the calculation of graph kernel, the combination of graph kernel matrix and the distribution of weight, and a fused dynamic brain function network graph kernel matrix is obtained. Through the combination with kernel SVM, the data is processed through the data trainer Finally, the diagnosis of Alzheimer's disease can be realized by the aid of diagnostic apparatus.

【技术实现步骤摘要】
基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法
本专利技术涉及计算机辅助诊断
，尤其涉及一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法。
技术介绍
阿尔茨海默病(AlzheimerDisease，AD)是一种影响人们认知甚至行为的神经退行性疾病，引发这种疾病的原因是一些控制认知的脑区受损，导致脑区之间的联系减弱或消失，因此，脑连接模式在AD的诊断过程中起着关键作用。静息态功能磁共振成像(restingstatefunctionalMagneticResonanceImaging,rs-fMRI)提供了一种非侵入性的方法来测量大脑的功能活动和变化。以脑区为节点，以脑区之间的连接为边，构建基于rs-fMRI的脑网络，对脑网络进行分类，实现AD的诊断。传统的静态脑网络是基于整个时间序列图像的功能连接来计算的。近年来，有许多分类方法脑网络，如提取脑网络的拓扑度量(如聚类系数)进行分类、深度学习和图核方法。在这些方法中，图核方法被证明具有良好的自适应分类效果。图核能够解决分类过程中的高维复杂问题，具有良好的泛化能力，是机器学习中对结构化数据进行分类的重要工具。此外，通过计算图的核函数，建立了核函数与核机器之间的关联，可以直接应用于简单的基于核函数的机器学习方法，实现AD的分类，如支持向量机(SupportVectorMachine,SVM)等。对于传统的静态脑网络，通过计算任意两个脑区之间信号的全局相关系数，基于整个图像时间序列的功能连接来构造单个脑网络。但是，有研究发现大脑信号的功能连接在每个时间段都表现出动态变化，在动态连接的情况下，能够在每一段时间内显示更多关于大脑功能活动的局部信息。然而，现有的图核都是基于静态脑网络的，只考虑脑区之间的全局功能连接。因此考虑采用动态脑网络图核进行AD的辅助诊断。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，提出一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法，动态脑网络的图核能够捕捉到功能连接在各个时间段的动态变化。因此，动态脑网络图核的计算能够充分反映动态变化的相似性，从而获得更高的分类精度。为解决上述技术问题，本专利技术提出了一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法，一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统包括：处理单元、动态脑网络构建单元、动态脑网络图核计算单元和分类诊断单元；所述预处理单元用于将输入的功能核磁共振图像，依次通过时间校正、头动校正以及平滑降噪处理之后得到一系列降噪后的功能核磁共振图像；所述动态脑网络构建单元用于将所述预处理单元输出的降噪后的功能核磁共振图像，依次进行脑区的匹配、时间段的分割、互信息值的计算以及频繁子图的挖掘；所述动态脑网络图核计算单元用于将所述动态脑网络构建单元输出的重建的频繁子图动态脑功能网络，依次通过二分图的最优匹配、图核的计算、图核矩阵的组合以及权值的分配，最终得到一个融合后的动态脑功能网络图核矩阵；所述分类诊断单元用于将得到的动态脑功能网络图核矩阵与核SVM结合并通过数据训练器进行阿尔茨海默病是否患病的训练，然后利用得到的训练数据并通过辅助诊断器实现阿尔茨海默病的辅助诊断。所述的动态脑网络构建单元包括脑区匹配器、时间序列分段器、互信息计算器、脑网络构建器和频繁子图挖掘器，动态脑网络构建单元的脑区匹配器接受来自预处理单元的降噪后的功能核磁共振图像，并将所述降噪后的功能核磁共振图像与90个脑区的AAL模板进行匹配，得到匹配后的功能核磁共振图像，然后将所述匹配后的功能核磁共振图像采用重叠的方式进行时间段的分割，得到每个时间段的时间序列图像，其次将经过时间序列分段器分割后的所有时间序列图像输出给互信息计算器，通过所述互信息计算器计算任意两个脑区之间的互信息值，所述互信息值用来表示脑区间的关联性，再将得到的互信息值输入到脑网络构建器中，构建每个时间段的时间序列图像的动态脑功能网络，最后将所有时间段的时间序列图像的动态脑功能网络输入到频繁子图挖掘器中，得到重建的频繁子图动态脑功能网络图像；所述的脑区匹配器用于将预处理后的图像与90个脑区的标准AAL模板进行匹配得到匹配后的功能核磁共振图像；所述的时间序列分段器用于将功能核磁共振图像得到的时间序列进行分段，得到s个时间段的时间序列；所述的互信息计算器用于对任意一个时间段下的时间序列计算任意两个脑区之间的互信息值，以表示脑区间的关联性；所述的脑网络构建器用于通过计算的互信息值将分段后的s幅功能核磁共振图像构建脑网络得到s个时间段的脑网络；所述的频繁子图挖掘器用于对得到的所有动态脑功能网络进行频繁子图的挖掘，得到重建的频繁子图动态脑网络。所述动态脑网络图核计算单元包括最优匹配器、图核矩阵生成器、权值生成器、动态脑网络图核器，通过最优匹配器将任意两个功能核磁共振图像的任意一对重建的频繁子图动态脑功能网络图像中的同构频繁子图的数目作为二分图中连接这对动态脑功能网络的边的权重，将每个重建的频繁子图动态脑功能网络图像作为节点进行二分图的最优匹配，得到匹配的动态脑功能网络对，然后将匹配后的每个时间段的动态脑功能网络通过图核器，得到每个时间段下任意两个动态脑功能网络之间的图核，其次将得到的每个时间段下任意两个动态脑功能网络之间的图核通过图核矩阵生成器，得到每个时间段下的图核矩阵，再将得到的所有时间段下的图核矩阵通过权值生成器，为每个时间段下的图核生成一个权重系数，最后得到所有时间段的带有权重系数的图核矩阵，通过动态脑网络图核器融合成为一个动态脑功能网络图核矩阵；所述的最优匹配器用于以任意两个功能核磁共振图像的任意一对重建的频繁子图动态脑功能网络图像中的同构频繁子图的数目作为二分图中连接这对动态脑功能网络的边的权重，以每个重建的频繁子图动态脑功能网络图像作为节点进行二分图的最优匹配；所述的图核器用于对每个匹配后的时间段下的任意两个动态脑功能网络计算图核；所述的图核矩阵生成器用于将每个时间段的所有动态脑网络图核组合成一个矩阵，由此得到了s个时间段下的图核矩阵；所述的权值生成器用于利用多核学习的方法对每个时间段的图核矩阵分配权值；所述的动态脑网络图核器用于根据每个时间段下分配的权值通过线性组合的方式计算图核，得到动态脑功能网络图核。一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统的使用方法，包括以下步骤：步骤1：功能核磁共振图像的预处理；步骤2：利用预处理后的图像构建动态脑功能网络；步骤3：对重建的频繁子图动态脑网络计算图核，并最终得到动态脑网络图核；步骤4：运用生成的动态脑网络图核矩阵X实现对阿尔茨海默病进行辅助诊断。所述步骤1功能核磁共振图像的预处理，包括以下步骤：1)将i个功能核磁共振图像通过时间校正器得到时间校正后的图像(I1,I2,...,Ii)，其中i属于自然数；2)将时间校正后的图像(I1,I2,...,Ii)进行头动校正，去除头动带来的误差，通过头动校正器得到头动校正后的图像(H1,H2,...本文档来自技高网...

【技术保护点】
1.一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统，其特征在于：包括预处理单元、动态脑网络构建单元、动态脑网络图核计算单元和分类诊断单元，所述预处理单元用于将输入的功能核磁共振图像，依次通过时间校正、头动校正以及平滑降噪处理之后得到一系列降噪后的功能核磁共振图像；所述动态脑网络构建单元用于将所述预处理单元输出的降噪后的功能核磁共振图像，依次进行脑区的匹配、时间段的分割、互信息值的计算以及频繁子图的挖掘；所述动态脑网络图核计算单元用于将所述动态脑网络构建单元输出的重建的频繁子图动态脑功能网络，依次通过二分图的最优匹配、图核的计算、图核矩阵的组合以及权值的分配，最终得到一个融合后的动态脑功能网络图核矩阵；所述分类诊断单元用于将得到的动态脑功能网络图核矩阵与核SVM结合并通过数据训练器进行阿尔茨海默病是否患病的训练，然后利用得到的训练数据并通过辅助诊断器实现阿尔茨海默病的辅助诊断。/n

【技术特征摘要】
1.一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统，其特征在于：包括预处理单元、动态脑网络构建单元、动态脑网络图核计算单元和分类诊断单元，所述预处理单元用于将输入的功能核磁共振图像，依次通过时间校正、头动校正以及平滑降噪处理之后得到一系列降噪后的功能核磁共振图像；所述动态脑网络构建单元用于将所述预处理单元输出的降噪后的功能核磁共振图像，依次进行脑区的匹配、时间段的分割、互信息值的计算以及频繁子图的挖掘；所述动态脑网络图核计算单元用于将所述动态脑网络构建单元输出的重建的频繁子图动态脑功能网络，依次通过二分图的最优匹配、图核的计算、图核矩阵的组合以及权值的分配，最终得到一个融合后的动态脑功能网络图核矩阵；所述分类诊断单元用于将得到的动态脑功能网络图核矩阵与核SVM结合并通过数据训练器进行阿尔茨海默病是否患病的训练，然后利用得到的训练数据并通过辅助诊断器实现阿尔茨海默病的辅助诊断。


2.根据权利要求1所述的一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统，其特征在于：所述的动态脑网络构建单元包括脑区匹配器、时间序列分段器、互信息计算器、脑网络构建器和频繁子图挖掘器，动态脑网络构建单元的脑区匹配器接受来自预处理单元的降噪后的功能核磁共振图像，并将所述降噪后的功能核磁共振图像与90个脑区的AAL模板进行匹配，得到匹配后的功能核磁共振图像，然后将所述匹配后的功能核磁共振图像采用重叠的方式进行时间段的分割，得到每个时间段的时间序列图像，其次将经过时间序列分段器分割后的所有时间序列图像输出给互信息计算器，通过所述互信息计算器计算任意两个脑区之间的互信息值，所述互信息值用来表示脑区间的关联性，再将得到的互信息值输入到脑网络构建器中，构建每个时间段的时间序列图像的动态脑功能网络，最后将所有时间段的时间序列图像的动态脑功能网络输入到频繁子图挖掘器中，得到重建的频繁子图动态脑功能网络图像；所述的脑区匹配器用于将预处理后的图像与90个脑区的标准AAL模板进行匹配得到匹配后的功能核磁共振图像；
所述的时间序列分段器用于将功能核磁共振图像得到的时间序列进行分段，得到s个时间段的时间序列；
所述的互信息计算器用于对任意一个时间段下的时间序列计算任意两个脑区之间的互信息值，以表示脑区间的关联性；
所述的脑网络构建器用于通过计算的互信息值将分段后的s幅功能核磁共振图像构建脑网络得到s个时间段的脑网络；
所述的频繁子图挖掘器用于对得到的所有动态脑功能网络进行频繁子图的挖掘，得到重建的频繁子图动态脑网络。


3.根据权利要求1所述的一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统，其特征在于：所述动态脑网络图核计算单元包括最优匹配器、图核矩阵生成器、权值生成器、动态脑网络图核器，通过最优匹配器将任意两个功能核磁共振图像的任意一对重建的频繁子图动态脑功能网络图像中的同构频繁子图的数目作为二分图中连接这对动态脑功能网络的边的权重，将每个重建的频繁子图动态脑功能网络图像作为节点进行二分图的最优匹配，得到匹配的动态脑功能网络对，然后将匹配后的每个时间段的动态脑功能网络通过图核器，得到每个时间段下任意两个动态脑功能网络之间的图核，其次将得到的每个时间段下任意两个动态脑功能网络之间的图核通过图核矩阵生成器，得到每个时间段下的图核矩阵，再将得到的所有时间段下的图核矩阵通过权值生成器，为每个时间段下的图核生成一个权重系数，最后得到所有时间段的带有权重系数的图核矩阵，通过动态脑网络图核器融合成为一个动态脑功能网络图核矩阵；
所述的最优匹配器用于以任意两个功能核磁共振图像的任意一对重建的频繁子图动态脑功能网络图像中的同构频繁子图的数目作为二分图中连接这对动态脑功能网络的边的权重，以每个重建的频繁子图动态脑功能网络图像作为节点进行二分图的最优匹配；
所述的图核器用于对每个匹配后的时间段下的任意两个动态脑功能网络计算图核；
所述的图核矩阵生成器用于将每个时间段的所有动态脑网络图核组合成一个矩阵，由此得到了s个时间段下的图核矩阵；
所述的权值生成器用于利用多核...

【专利技术属性】
技术研发人员：信俊昌，汪新蕾，王中阳，陈金义，谷峪，王之琼，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21