一种基于时序脑电数据的脑疾病分类方法技术

本发明专利技术涉及脑成像领域，尤其是一种基于时序脑电数据的脑疾病分类方法，包括如下步骤：构建具有时间属性的大脑连接网络，利用血氧浓度依赖性BOLD信号来获得每个受试者中的每两个ROI之间皮尔逊相关系数，并且设置皮尔逊相关系数阈值PT，然后构建功能连通性矩阵；对大脑连接网络进行特征提取与选择，获取频繁三序列特征，进而获得具有判别力频繁三序列，在最具判别力频繁三序列特征和序列规则特征中，为节点赋值，得到获得伪二值特征矩阵特征；对伪二值特征矩阵特征进行降维处理，将降维后的特征送入分类器进行分类。使用伪二值矩阵方法将两种特征进行结合用于分类模型构建，利用时间顺序属性用于大脑连接网络的构建和特征提取。顺序属性用于大脑连接网络的构建和特征提取。顺序属性用于大脑连接网络的构建和特征提取。

【技术实现步骤摘要】
一种基于时序脑电数据的脑疾病分类方法


[0001]本专利技术涉及脑成像领域，尤其是一种基于时序脑电数据的脑疾病分类方法。

技术介绍

[0002]功能磁共振成像（fMRI）是一种基于血氧水平依赖（BOLD）机制的脑成像技术，在脑疾病的诊断中被广范围应用。机器学习借助fMRI技术实现对脑疾病的高精度诊断。在现有机器学习脑疾病分类技术中，主要有下面方法：1、对fMRI图像进行滤波、平滑、归一化等处理，利用BOLD信号构建连接网络，将大脑区域划分116个ROI区域，计算各个ROI区域之间的皮尔逊相关系数作为边的权重，以此构成大脑连接网络，继而挖掘出现在网络中的频繁序列作为特征用于构建分类回归模型。
[0003]2、在患者和对照组的大脑连接网络中提取频繁子网，然后对每组频繁子网提取具有判别力子网训练精度，最终选取训练精度最好的子网作为最具判别力特征用于分类训练。
[0004]3、对大脑连接网络设置多组不同的阈值提取不同层次的网络拓扑结构，然后提取ROI之间的加权聚类系数，通过统计T检验方法筛选不重要的特征信息，得到重要特征并进行训练，筛选出具备分辨能力的判别力特征，构建分类模型。
[0005]在现有方法中，主要通过构建大脑连接网络的方式提取判别特征，在构建网络的过程中，有的使用了网络边的权重这一信息，有的则没有使用，都可以得到一定的分类效果。但目前的方法技术中，都未将时间顺序作为重要信息加以利用，即在一段时间内，大脑中的血氧浓度会随着时间的变化而变化，且血氧浓度变化会受到环境，思想和心理承受能力的影响。此时将血氧浓度信号笼统的进行平均计算则会丢失很多重要信息，不利于特征的准确提取。

技术实现思路

[0006]针对上述问题，本专利技术提出了基于时序脑电数据的脑疾病分类方法，利用时间顺序属性用于大脑连接网络的构建和特征提取，适合生物医学信息领域使用。
[0007]本专利技术提供如下技术方案：一种基于时序脑电数据的脑疾病分类方法，包括如下步骤：构建具有时间属性的大脑连接网络；对大脑连接网络进行特征提取与选择，获得伪二值特征矩阵特征；对伪二值特征矩阵特征进行降维处理，将降维后的特征送入分类器进行分类。
[0008]构建大脑连接网络时，S11、确定AAL分区中的116个区域ROI；AAL模板一共有116个感兴趣区域（ROI），但只有90个ROI属于大脑,剩余26个ROI属于小脑结构。对于本研究，为避免信息遗漏，选择使用116个ROI进行研究。
[0009]S12、对于每个受试者，获取一段时间的fMRI数据，所述的一段时间包括几个段时间，数据包括116个ROI和每个ROI在每个时间段的血氧浓度依赖性（BOLD）。
[0010]S13、对于每个受试者，利用血氧浓度依赖性BOLD信号来获得每个受试者中的每两
个ROI之间皮尔逊相关系数，并且设置皮尔逊相关系数阈值PT，然后构建功能连通性矩阵（116*116），行和列均表示ROI，如果两个ROI之间的皮尔逊相关系数的绝对值在设置的皮尔逊相关系数阈值PT范围中，则在功能连通性矩阵中将A和B这两个ROI标记为1，如果不在PT范围中，则标记这两个ROI为0，用上述步骤为每个受试者均构建功能连通性网络。
[0011]利用功能连通性网络构建动态连接网络，S21、对得到一段时间的fMRI数据重新进行时间切分，设置相同的步长，将一段时间重新切割为T份。
[0012]S22、时间切分完成后，得到了T份时间片，每一份时间片的ROI都有此刻的血氧浓度依赖性（BOLD）信号数值，因此，对这T份时间片进行相邻BOLD信号数值的差值计算，也就是说T={T1,T2,T3...T
t
}，分别计算T2‑
T1,T3‑
T2...T
t
‑
T
(t
‑
1)
的BOLD信号数值差值，得到T
‑
1组差值。
[0013]S23、对于每个受试者，为每一个差值组都构建一个116*116动态连接网络，初始值均为0，行和列均表示ROI，构建T
‑
1组动态连接网络，差值组代表了两个相邻时间的BOLD信号数值变化。
[0014]步骤S23中，对于T
m
和T
n
两个时间片来说，在T
m
和T
n
两个时刻均已测定各自时刻的BOLD信号数值，那么从T
m
到T
n
时刻，在每一个ROI中，会存在两种情况：情况1、从T
m
到T
n
时刻，BOLD信号数值变大了；情况2、从T
m
到T
n
时刻，BOLD信号数值变小了；在每一个ROI中，ROI={ROI1,ROI2,ROI3...ROI
116
}，如果在ROI
m
和ROI
n
中，如果ROI
m
存在情况1且ROI
n
存在情况2，或者ROI
m
存在情况2且ROI
n
存在情况1,那么ROI
m
和ROI
n
在这个时间片段Tt中具有BOLD信号变化异步性，其中， 0<m<117，m为整数，0<n<117，n为整数；对于每个受试者，在每一组动态连接网络中，也就是在每一个相邻时间间隔中，如果ROI
m
和ROI
n
存在BOLD信号变化异步性，同时ROI
m
和ROI
n
之间也是具有相关性的；那么在构建的动态连接网络116*116中，将ROI
m
和ROI
n
之间标记为1，反之如果两个要求有一个不满足，则标记为0。
[0015]关于ROI
m
和ROI
n
的相关性，在功能连通性网络中，如果两个ROI之间标记为1，则表示具有相关性，如果标记为0，则表示没有相关性。
[0016]利用距离属性连接T
‑
1组动态连接网络；S31、由于相邻时间间隔是T2‑
T1,T3‑
T2...T
t
‑
T
(t
‑
1)
，在时间顺序上T2‑
T1必须在T3‑
T2前面，使用世界坐标系，计算每两个ROI在人脑中的相对距离，并且设置距离阈值DT；S32、对于得到T
‑
1组不同的动态连接网络，首先就要确保时间顺序是对的，在后面的连接动态连接网络中要按照时间顺序输入网络进行连接，将T
‑
1组网络按时间顺序定义为Network={N1,N2,N3...N（T
‑
1）}。在连接动态连接网络时，连接顺序就是N1
→
N2
→
N3......

【技术保护点】

【技术特征摘要】
1.一种基于时序脑电数据的脑疾病分类方法，其特征在于包括如下步骤：构建具有时间属性的大脑连接网络；对大脑连接网络进行特征提取与选择，获得伪二值特征矩阵特征；对伪二值特征矩阵特征进行降维处理，将降维后的特征送入分类器进行分类。2.根据权利要求1所述的基于时序脑电数据的脑疾病分类方法，其特征在于，构建大脑连接网络时，S11、确定AAL分区中的116个区域ROI；S12、对于每个受试者，获取一段时间的fMRI数据，数据包括116个ROI和每个ROI在每个时间段的血氧浓度依赖性BOLD信号；S13、对于每个受试者，利用血氧浓度依赖性BOLD信号来获得每个受试者中的每两个ROI之间皮尔逊相关系数，并且设置皮尔逊相关系数阈值PT，然后构建功能连通性矩阵116*116，行和列均表示ROI，如果两个ROI之间的皮尔逊相关系数的绝对值在设置的皮尔逊相关系数阈值PT范围中，则在功能连通性矩阵中将A和B这两个ROI标记为1，如果不在PT范围中，则标记这两个ROI为0，用上述步骤为每个受试者均构建功能连通性网络。3.根据权利要求2所述的基于时序脑电数据的脑疾病分类方法，其特征在于，利用功能连通性网络构建动态连接网络，S21、对得到一段时间的fMRI数据重新进行时间切分，设置相同的步长，将一段时间重新切割为T份；S22、时间切分完成后，得到了T份时间片，每一份时间片的ROI都有此刻的血氧浓度依赖性BOLD信号数值，对这T份时间片进行相邻BOLD信号数值的差值计算， T={T1,T2,T3...T
t
}，分别计算T2‑
T1,T3‑
T2...T
t
‑
T
(t
‑
1)
的BOLD信号差值，得到T
‑
1组差值；S23、对于每个受试者，为每一个差值组都构建一个116*116动态连接网络，初始值均为0，行和列均表示ROI，构建T
‑
1组动态连接网络。4.根据权利要求3所述的基于时序脑电数据的脑疾病分类方法，其特征在于，步骤S23中，对于T
m
和T
n
两个时间片来说，在T
m
和T
n
两个时刻均已测定各自时刻的BOLD信号数值，那么从T
m
到T
n
时刻，在每一个ROI中，会存在两种情况：情况1、从T
m
到T
n
时刻，BOLD信号数值变大了；情况2、从T
m
到T
n
时刻，BOLD信号数值变小了；在每一个ROI中，ROI={ROI1,ROI2,ROI3...ROI
116
}，如果在ROI
m
和ROI
n
中，如果ROI
m
存在情况1且ROI
n
存在情况2，或者ROI
m
存在情况2且ROI
n
存在情况1,那么ROI
m
和ROI
n
在这个时间片段Tt中具有BOLD信号变化异步性，其中， 0<m<117，m为整数，0<n<117，n为整数；对于每个受试者，在每一组动态连接网络中，如果ROI
m
和ROI
n
存在BOLD信号变化异步性，同时ROI
m
和ROI
n
之间也是具有相关性的；那么在构建的动态连接网络116*116中，将ROI
m
和ROI
n
之间标记为1，反之如果两个要求有一个不满足，则标记为0。5.根据权利要求4所述的基于时序脑电数据的脑疾病分类方法，其特征在于，关于ROI
m
和ROI
n
的相关性，在功能连通性网络中，如果两个ROI之间标记为1，则表示具有相关性，如果标记为0，则表示没有相关性。6.根据权利要求4所述的基于时序脑电数据的脑疾病分类方法，其特征在于，利用距离属性连接T
‑
1组动态连接网络；
S31、由于相邻时间间隔是T2‑
T1,T3‑
T2...T
t
‑
T
(t
‑
1)
，在时间顺序上T2‑
T1一定在T3‑
T2前面，使用世界坐标系，计算每两个ROI在人脑中的相对距离，并且设置距离...

【专利技术属性】
技术研发人员：张丽，刘云静，井明，禹继国，董安明，王晓晓，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：