【技术实现步骤摘要】
一种基于图节点嵌入的多模态脑影像抑郁识别方法和系统
本专利技术涉及脑神经科学，医学影像，深度学习
，特别是涉及一种基于图节点嵌入的多模态脑影像抑郁识别系统。
技术介绍
抑郁症(MDD)是世界第四大疾病，患者会出现心境低落，思维迟缓以及认知功能损害等临床表现。MDD的诊断通常取决于《精神疾病诊断和统计手册》(DSM)的标准和临床反应。由于各种精神障碍之间存在重叠的表型，以及MDD等疾病内部的异质性，临床诊断通常漏诊误诊率较高。神经影像学提供了对大脑功能和结构的无创测量，可以作为研究区分性生物标志物的有力工具，从而降低漏诊和误诊。与其他精神疾病(如阿尔兹海默症、轻度认知障碍等)的共同点是，抑郁症患者的脑部结构会发生包括萎缩在内的一系列变化。尽管近年来对脑神经影像学的研究有很多，但相比其他精神疾病，对抑郁症的研究还未得到很好地结果，根据脑神经影像对抑郁症的识别准确率却一直较低，目前利用脑神经影像进行抑郁症识别分类的研究多是使用单一模态，选择结构特征或者几种脑网络属性用于分类。在结构影像中通常是以计算的皮质厚度或皮质下...
【技术保护点】
1.一种基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，包括以下步骤：/n1)获取抑郁患者和正常对照组的静息态fMRI和DTI影像数据；/n2)对获取的fMRI和DTI影像数据进行预处理；/n3)根据预处理后的fMRI和DTI影像数据分别构建脑功能网络和结构网络，得到脑网络邻接矩阵；/n4)采用图节点嵌入将邻接矩阵表示为图像，输入到卷积神经网络中进行分类，建立识别抑郁患者和正常被试的分类模型。/n
【技术特征摘要】
1.一种基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，包括以下步骤：
1)获取抑郁患者和正常对照组的静息态fMRI和DTI影像数据；
2)对获取的fMRI和DTI影像数据进行预处理；
3)根据预处理后的fMRI和DTI影像数据分别构建脑功能网络和结构网络，得到脑网络邻接矩阵；
4)采用图节点嵌入将邻接矩阵表示为图像，输入到卷积神经网络中进行分类，建立识别抑郁患者和正常被试的分类模型。
2.根据权利要求1所述的基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，所述步骤2)中，包括对原始的rs-fMRI数据进行预处理：在去除前10个时间点以使信号达到平衡后，进行时间层校正，然后剥除头皮、头骨，进行头动校正；为了限制头部运动的影响，计算最大位移(maxFD)和平均位移(meanFD)，排除头部过度运动＞2mm移位或＞2°旋转或maxFD＞1mm或meanFD＞0.5mm；校正后的数据处理步骤包括空间标准化和高斯平滑。
3.根据权利要求1所述的基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，所述步骤2)中，包括对原始的DTI数据进行预处理，首先剥除头皮、颅骨，然后进行头动校正和涡流校正，最后进行空间标准化、高斯平滑和FA计算。
4.根据权利要求2所述的基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，所述步骤3)中，构建脑功能网络的步骤包括：对预处理后的fMRI数据按照AAL90模板被分割成90个脑区；提取每个脑区所含体素的平均时间序列，用皮尔森相关计算脑区时序之间的两两相关性，得到功能网络。
5.根据权利要求3所述的基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，所述步骤3)中，构建脑结构网络的步骤包括：对预处理后的DTI数据按照AAL90模板被分割成90个脑区；利用PANDA工具箱通过确定性束标记法构建结构网络，得到脑结构网络。
6.根据权利要求1至5之一所述的基于图节点嵌入的多模态脑影像抑郁识别方法，其特征在于，所述步骤4)中，基于图节点嵌入将图表示为图像的步骤包括；
41)给定图G(V,E)，图节点嵌入定义为映射f：f：vi→yi∈Rd将图中的每一个节点映射到一个低维向量，并且两个节点之间相似度可以表示为图嵌入空间中两个向量之间的欧氏距离；在计算映射函数f时，将随机游走表示为一个随机过程，该过程起源于脑网络中...
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。