一种轻微肝性脑病脑影像超图处理方法技术

本发明专利技术公开了一种轻微肝性脑病脑影像超图处理方法，采集被试的静息态fMRI数据并预处理，将采用AAL模板标记的大脑区域作为感兴趣区域，得到每个脑区的平均时间序列；利用每个被试的各脑区时间序列构建两种不同层次的功能连接超网络并提取特征数据；构建机器学习分类模型并用其将所提取的特征数据进行分类；利用网格搜索的方式调整优化功能连接超网络及机器学习分类模型的参数，采用优化后的功能连接超网络及机器学习分类模型，对脑影像超图进行分类处理。本发明专利技术可以表征脑区之间更为复杂的功能交互。的功能交互。的功能交互。

【技术实现步骤摘要】
一种轻微肝性脑病脑影像超图处理方法


[0001]本专利技术涉及计算机辅助诊断技术方法，特别涉及一种轻微肝性脑病脑影像超图处理方法。

技术介绍

[0002]目前，计算机辅助诊断(CAD)在轻微肝性脑病(MHE)的研究中一直是一个热门主题。当前，国内外肝性脑病诊断主要依据神经心理学量表来诊断轻微肝性脑病，但这些量表容易受年龄、教育程度及学习效应等的影响，在临床上应用的效果欠佳。故临床上通常患者出现明显肝性脑病发作才能确诊。而准确和及早地诊断出该疾病对及时治疗和降低病人风险至关重要，因此使用CAD系统及早准确地判断疾病程度对于患者的预后及治疗至关重要。
[0003]静息态功能磁共振成像(Restingstate functional magnetic resonance imaging，Rs
‑
fMRI),作为一种新兴的研究中枢神经系统的磁共振技术，具有高度灵敏性、超快速成像，信噪比高等特点，在研究疾病早期脑功能的改变时占有较为重要的地位。近年来，基于Rs
‑
fMRI的肝性脑病研究越来越受到重视，为轻微肝性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻微肝性脑病脑影像超图处理方法，其特征在于，采集被试的静息态fMRI数据并预处理，将采用AAL模板标记的大脑区域作为感兴趣区域，得到每个脑区的平均时间序列；利用每个被试的各脑区时间序列构建两种不同层次的功能连接超网络并提取特征数据；构建机器学习分类模型并用其将所提取的特征数据进行分类；利用网格搜索的方式调整优化功能连接超网络及机器学习分类模型的参数，采用优化后的功能连接超网络及机器学习分类模型，对脑影像超图进行分类处理。2.根据权利要求1所述的轻微肝性脑病脑影像超图处理方法，其特征在于，对由功能连接超网络及机器学习分类模型联合构建的模型，利用留一交叉验证法进行模型训练，设有N个样本，将其中任一个样本作为测试样本，其它N
‑
1个样本作为训练样本，得到N个分类测试结果；采用这N个分类测试结果的平均值来评估由功能连接超网络及机器学习分类模型联合构建的模型性能。3.根据权利要求1所述的轻微肝性脑病脑影像超图处理方法，其特征在于，使用Gretna软件对采集的静息态fMRI数据进行预处理，预处理步骤如下：首先去除前5～10个时间点，然后依次进行时间层校正、头动校正、功能图像的配准、去线性漂移、带通滤波和回归协变量。4.根据权利要求1所述的轻微肝性脑病脑影像超图处理方法，其特征在于，采用如下方法步骤构建两种不同层次的功能连接超网络并提取特征：步骤A1，计算每个被试的脑区间的fMRI时间序列的皮尔逊相关系数，得到脑区间的功能连接矩阵，并按照脑区顺序构建每个脑区与其他脑区之间的初阶功能连接向量FC
i
＝(fc
i1
,fc
i2
,......,fc
in
)，其中n为脑区数量；计算每个被试的脑区间的初阶功能连接向量FC
i
的皮尔逊相关系数，得到脑区间的高阶功能连接矩阵，并按照脑区顺序构建每个脑区与其他脑区之间的高阶功能连接向量HOFC
i
＝(hofc
i1
,......,hofc
in
)，其中n为脑区数量；步骤A2，由每个脑区的功能连接向量FC
i
，计算每个脑区i与其他脑区之间的距离，取与脑区i距离最小的前k1个脑区作为脑区i的邻居节点来构建超边；此条超边以脑区i为中心节点，其他节点作为超边中的邻居节点；以所有脑区为中心节点，重复此步骤，获得初级功能连接超网络；步骤A3，由每个脑区的功能连接向量HOFC
i
，计算每个脑区i与其他脑区之间的距离，取与脑区i距离最小的前k2个脑区作为脑区i的邻居节点来构建超边；此条超边以脑区i为中心节点，其他节点作为超边中的邻居节点；以所有脑区为中心节点，重复此步骤，获得高级功能连接超网络；步骤A4，设HCC1(v)为与节点v没有连接的相邻节点的数量；设HCC2(v)为与节点v有连接的相邻节点的数量；设HCC3(v)为节点v的相邻超边之间的重叠数量；用HCC1(v)、HCC2(v)、HCC3(v)作为表征功能连接超网络的...

【专利技术属性】
技术研发人员：张高燕，刘飞，程悦，沈文，张晓东，
申请(专利权)人：天津大学，
类型：发明
国别省市：