基于结构磁共振影像的大脑年龄级联精炼预测方法及系统技术方案

本发明专利技术公开了一种基于结构磁共振影像的大脑年龄级联精炼预测方法及系统。该大脑年龄预测方法包括：获取包括健康人的大脑结构磁共振影像、性别标签和真实年龄的训练样本集；构建两阶段级联精炼网络，其中第一阶段网络和第二阶段网络均为多尺度紧密连接网络；第一阶段网络的输出连接第二阶段网络的输入；基于训练样本集，采用反向传播算法及梯度下降算法对两阶段级联精炼网络进行训练，得到大脑年龄预测模型；采用交叉验证法对大脑年龄预测模型进行验证，得到验证后的大脑年龄预测模型；将测试集输入至验证后的大脑年龄预测模型中，得到大脑年龄预测结果；测试集包括待测人的大脑结构磁共振影像和性别标签。本发明专利技术能提高大脑年龄的预测准确度。

Brain age cascade refined prediction method and system based on structural magnetic resonance imaging

【技术实现步骤摘要】
基于结构磁共振影像的大脑年龄级联精炼预测方法及系统
本专利技术涉及大脑年龄预测
，特别是涉及一种基于结构磁共振影像的大脑年龄级联精炼预测方法及系统。
技术介绍
随着全球人口老龄化问题的日益严重，与老化有关的大脑疾病正在给社会造成越来越大的负担。而人类的大脑会随着年龄的增长而在结构上发生一些微妙的变化，这些变化会导致大脑在正常功能上产生退化，并与神经退行性等脑部疾病呈现出显著的相关性。基因、环境、疾病或受伤等原因可能会导致大脑的老化速率显著加快，需要提供一些方法来量化这种异常的大脑衰老速度，以评估当前大脑所处的衰老阶段。人工智能方法可以利用大脑结构磁共振影像建立一个大脑老化的预测模型，以此对老年人的年龄进行预测，由模型预测出的年龄我们称之为“大脑年龄”。大脑年龄可以表明当前大脑所处的老化阶段，甚至可以预测未来的相关疾病的风险。由健康老年人影像数据所建立的预测模型，实际上描述了一种正常的老年人大脑衰老轨迹，而利用大脑年龄与其真实年龄的差值，可以反映一个人偏离健康大脑老化轨迹的程度，反映了其大脑衰老的提前或延后程度。现已被证明，老年人大本文档来自技高网...

【技术保护点】
1.一种基于结构磁共振影像的大脑年龄级联精炼预测方法，其特征在于，包括：/n获取训练样本集；所述训练样本集包括健康人的大脑结构磁共振影像、性别标签和真实年龄；所述健康人为身体状况达到设定健康标准的人；/n构建两阶段级联精炼网络；所述两阶段级联精炼网络包括第一阶段网络和第二阶段网络；所述第一阶段网络和所述第二阶段网络均为多尺度紧密连接网络；所述第一阶段网络的输出连接所述第二阶段网络的输入；/n基于所述训练样本集，采用反向传播算法及梯度下降算法对所述两阶段级联精炼网络进行训练，得到大脑年龄预测模型；/n采用交叉验证法对所述大脑年龄预测模型进行验证，得到验证后的大脑年龄预测模型；/n将测试集输入至所...

【技术特征摘要】
1.一种基于结构磁共振影像的大脑年龄级联精炼预测方法，其特征在于，包括：
获取训练样本集；所述训练样本集包括健康人的大脑结构磁共振影像、性别标签和真实年龄；所述健康人为身体状况达到设定健康标准的人；
构建两阶段级联精炼网络；所述两阶段级联精炼网络包括第一阶段网络和第二阶段网络；所述第一阶段网络和所述第二阶段网络均为多尺度紧密连接网络；所述第一阶段网络的输出连接所述第二阶段网络的输入；
基于所述训练样本集，采用反向传播算法及梯度下降算法对所述两阶段级联精炼网络进行训练，得到大脑年龄预测模型；
采用交叉验证法对所述大脑年龄预测模型进行验证，得到验证后的大脑年龄预测模型；
将测试集输入至所述验证后的大脑年龄预测模型中，得到大脑年龄预测结果；所述测试集包括待测人的大脑结构磁共振影像和性别标签。


2.根据权利要求1所述的一种基于结构磁共振影像的大脑年龄级联精炼预测方法，其特征在于，所述基于所述训练样本集，采用反向传播算法及梯度下降算法对所述两阶段级联精炼网络进行训练，得到大脑年龄预测模型，具体包括：
将所述训练样本集中的健康人的大脑结构磁共振影像和性别标签作为输入，所述训练样本集中的健康人的真实年龄作为输出，以总损失函数最小为目标，采用反向传播算法及梯度下降算法对所述两阶段级联精炼网络中的第一阶段网络进行训练，得到训练好的第一阶段网络；所述总损失函数包括均方差误差、年龄差损失和排序损失；
对所述两阶段级联精炼网络中的第一阶段网络的输出结果进行离散化，得到离散化的大脑年龄；
将所述离散化的大脑年龄、所述训练样本集中的健康人的大脑结构磁共振影像和性别标签作为输入，所述训练样本集中的健康人的真实年龄作为输出，以总损失函数最小为目标，采用反向传播算法及梯度下降算法对所述两阶段级联精炼网络中的第二阶段网络进行训练，得到训练好的第二阶段网络；所述训练好的第一阶段网络和所述训练好的第二阶段网络构成大脑年龄预测模型。


3.根据权利要求2所述的一种基于结构磁共振影像的大脑年龄级联精炼预测方法，其特征在于，所述对所述两阶段级联精炼网络中的第一阶段网络的输出结果进行离散化，得到离散化的大脑年龄，具体包括：
根据公式



对所述两阶段级联精炼网络中的第一阶段网络的输出结果进行离散化，得到离散化的大脑年龄；其中，为离散化的大脑年龄，为第一阶段网络的输出结果，δd为离散化步长，Round为按照小数位数进行四舍五入的运算函数。


4.根据权利要求2所述的一种基于结构磁共振影像的大脑年龄级联精炼预测方法，其特征在于，所述年龄差损失为



其中，yi为训练样本集中第i个样本的真实年龄，yj为训练样本集中第j个样本的真实年龄，yi-yj为第i个样本与第j个样本之间的真实年龄差值，为训练样本集中第i个样本的大脑年龄预测值，为训练样本集中第j个样本的的大脑年龄预测值，NP为训练样本集中配对样本(i，j)的个数；
所述排序损失为



其中，rs表示斯皮尔曼系数，Rank(yi)表示yi的排序，表示的排序，N表示计算排序损失的样本个数。


5.根据权利要求1所述的一种基于结构磁共振影像的大脑年龄级联精炼预测方法，其特征在于，在所述获取训练样本集之后，还包括：
对所述训练样本集进行预处理；所述预处理包括图像非线性配准、头骨剥离以及图像数据标准化。...

【专利技术属性】
技术研发人员：程健，刘子阳，刘涛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11