基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法制造方法及图纸

本发明专利技术公布了一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法。诊断装置包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，该诊断装置的使用方法为：首先进行图像预处理，然后构建动态脑网络，其次计算分割后的脑网络的节点度量，并通过时间序列生成器将每个节点度量构成一个时间序列，随后通过特征提取器为构成的时间序列提取特征，再通过特征过滤器将过滤后的特征拼接成一个矩阵并通过特征筛选器筛选，最后通过数据训练器进行数据的分类训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。该方法克服了静态脑功能网络无法表示动态信息的缺陷，起到了更好的为医疗辅助诊断服务的效果。

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

【技术实现步骤摘要】
基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法
本专利技术属于计算机辅助诊断
，涉及一种基于支持向量机分类算法的阿尔茨海默病辅助诊断装置及方法，特别涉及一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法。
技术介绍
近些年来，神经影像技术特别是功能影像学取得了飞速的进步，这为研究患有阿尔茨海默病病人各个脑区具有的功能提供了相应的技术。功能磁共振成像作为其中一种成熟的功能影像学检测技术，它的优势在于无创监测大脑功能和活动，时空分辨率较高。使用基于血氧水平依赖方法来测量大脑各个区域之间的相关性已被证明是研究大脑功能组织的有力工具。在静息态fMRI中，可以看出人脑的各个脑区在此时存在着有序的功能活动。大脑是一个动态结构，随着时间的变化，大脑里的神经元之间的连接是变化的，基于动态网络的方法对脑功能连接网络进行分析，可以更好的分析出fMRI数据中每个时间段的瞬时特性。通过对动态脑功能网络的构建和分析，可以更好地描述大脑的活动状态以及各个神经元或脑区之间的交互。
技术实现思路
针对现有技术的不足，本专利技术的目的是本文档来自技高网...

【技术保护点】
1.一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置，其特征在于，包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，首先将获取的i个待测功能核磁共振图像通过所述fMRI数据预处理单元得到预处理后的的i个标准功能核磁共振图像，然后将预处理后的i个标准功能核磁共振图像通过所述构建动态脑功能网络单元进行时间维度上的分割，构建出i个功能核磁共振图像的i*s个动态脑功能网络，其次将构建出的i*s个动态脑功能网络通过所述生成用于训练的特征单元横向的提取出每个动态脑功能网络的动态特征，最后将从i*s个动态脑功能网络提取出的经过特征过滤器过滤后的动态特征拼接...

【技术特征摘要】
1.一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置，其特征在于，包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，首先将获取的i个待测功能核磁共振图像通过所述fMRI数据预处理单元得到预处理后的的i个标准功能核磁共振图像，然后将预处理后的i个标准功能核磁共振图像通过所述构建动态脑功能网络单元进行时间维度上的分割，构建出i个功能核磁共振图像的i*s个动态脑功能网络，其次将构建出的i*s个动态脑功能网络通过所述生成用于训练的特征单元横向的提取出每个动态脑功能网络的动态特征，最后将从i*s个动态脑功能网络提取出的经过特征过滤器过滤后的动态特征拼接成一个矩阵，最后通过所述svm分类辅助诊断单元使用Fisher算法进行特征筛选，筛选出具有代表性的特征，并进行训练，用于辅助诊断。


2.根据权利要求1所述的一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置，其特征在于，所述的fMRI数据预处理单元包括时间片校正器、头动校正器、空间标准化器、平滑降噪器，首先将获取的i个待测功能核磁共振图像通过所述时间片校正器进行时间片校正，得到i个时间片校正后的功能核磁共振图像，然后将所述i个时间校正后的功能核磁共振图像通过所述头动校正器进行头动校正，得到i个头动校正后的功能核磁共振图像，其次将所述i个头动校正后的功能核磁共振图像通过所述空间标准化器进行空间标准化，得到i个空间标准化后的功能核磁共振图像，最后将所述i个空间标准化后的功能核磁共振图像通过所述平滑降噪器进行平滑降噪，得到i个标准功能核磁共振图像；
所述时间片校正器用于将输入的i个待测功能核磁图像进行时间片校正，得到i个时间片校正后的功能核磁共振图像(I-1,I-2,I-3,…,I-i)，其中i表示选取的待测功能核磁共振图像的个数；
所述头动校正器用于将i个时间片校正后的功能核磁图像(I-1,I-2,I-3,...,I-i)进行头动校正，得到i个头动校正后的功能核磁共振图像(H-1,H-2,H-3,...,H-i)；
所述空间标准化器用于将i个头动校正后的功能核磁图像(H-1,H-2,H-3,...,H-i)进行空间标准化，得到i个空间标准化后的功能核磁共振图像(F-1,F-2,F-3,...,F-i)；
所述平滑降噪器用于将i个空间标准化后的功能核磁共振图像(F-1,F-2,F-3,...,F-i)进行平滑降噪，得到i个标准功能核磁共振图像(S-1,S-2,S-3,...,S-i)。


3.根据权利要求1所述的一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置，其特征在于，所述构建动态脑功能网络单元包括模板匹配器、时间序列分割器以及脑网络构建器，首先将i个标准功能核磁共振图像中的每个标准功能核磁共振图像通过所述模板匹配器与规格为m的标准匹配模板进行感兴趣区域的匹配，则每个匹配后的功能核磁共振图像包含m个脑区，然后将匹配后的功能核磁共振图像通过所述时间序列分割器将每个脑区的时间序列进行分割，得到s段瞬时时间序列，最后将分割得到的s段瞬时时间序列通过所述脑网络构建器构建出i个分割后的功能核磁共振图像的i*s个动态脑功能网络；
所述模板匹配器用于将每个标准功能核磁共振图像与规格为m的标准匹配模板进行匹配，匹配后的每个功能核磁共振图像包含m个脑区，i个匹配后的功能核磁共振图像表示为(A-1,A-2,A-3,...,A-i)；
所述时间序列分割器用于将每个匹配后的功能核磁共振图像中的m个脑区的时间序列进行分割，将每个脑区的时间序列分割为s段瞬时时间序列，每段瞬时时间序列代表一个脑区的瞬时信息(T-1,T-2,...,T-s)，i个分割后的功能核磁共振图像表示为其中s的取值范围根据预设的分割间隔确定；
所述脑网络构建器用于将每个分割后的功能核磁共振图像中的s段瞬时时间序列构建出s个动态脑功能网络，则i个分割后的功能核磁共振图像得到i*s个动态脑功能网络


4.根据权利要求1所述的一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置，其特征在于，所述生成用于训练的特征单元包括节点度量生成器、时间序列生成器、特征提取器以及特征过滤器，首先将构建动态脑功能网络单元输出的i个分割后的功能核磁共振图像的i*s个动态脑功能网络通过所述节点度量生成器计算i*s个动态脑功能网络的节点度量，然后通过时间序列生成器将i*s个动态脑功能网络中的每个节点度量构成一个时间序列，其次通过所述特征提取器为每个节点度量形成的时间序列提取新特征值，最后将提取到的所有的新特征值通过所述特征过滤器过滤后拼接为一个动态特征矩阵；
所述节点度量生成器用于生成i*s个动态脑功能网络的节点度量，并计算得到z个动态特征的特征值表示为所述z个动态特征包括i*s*x个全局特征和i*s*m*y个局部特征，即z＝i*s*x+i*s*m*y，x表示每个动态脑功能网络计算的全局特征的个数，y表示每个动态脑功能网络计算的局部特征的个数；
所述时间序列生成器用于将得到的每组特征值生成一个时间序列，则i*s个动态脑功能网络构成的z/s个时间序列表示为所述每组特征值包括全局的每组特征值和局部的每组特征值，所述全局的每组特征值包括每个分割后的功能核磁共振图像中的每个全局特征的s个动态脑功能网络的特征值，所述局部的每组特征值包括从每个分割后的功能核磁共振图像中的s*m*y个局部特征中的每个局部特征按照m个脑区分组得到的s个动态脑功能网络的特征值；
所述特征提取器用于对每组特征生成的时间序列，基于小波的时间序列熵再次提取特征，得到z/s个特征的新特征值
所述特征过滤器用于对所述节点度量中的i*s*m*y个局部特征进行过滤，首先通过节点度量中的degree方法计算出每个匹配后的功能核磁共振图像中的每个脑区的degree，并计算出每个匹配后的功能核磁共振图像中的m个脑区degree的平均值然后计算出每个匹配后的功能核磁共振图像中的m个脑区的标准方差σ，其次将所述m个脑区中degree属于区间的脑区过滤为关键脑区，最后将i个匹配后的功能核磁共振图像过滤得到的N个脑区的N*y个局部特征生成的新特征值与i*x个全局特征生成的新特征值通过特征过滤器拼接为一个动态特征矩阵，其中nj表示第j个匹配后的功能核磁共振图像中的关键脑区的个数，i表示匹配后的功能核磁...

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