磁共振影像特征提取方法、系统、设备及特征应用方法技术方案

本发明专利技术提供了一种磁共振影像特征提取方法、系统、设备及特征应用方法，涉及图像特征提取技术领域，本发明专利技术包括获取待测样本的磁共振成像数据；根据磁共振T1加权影像、磁共振成像液体衰减反转恢复序列影像和弥散磁共振影像，构建待测样本的结构断联网络；根据静息态功能磁共振成像，构建待测样本的功能断联网络；根据结构断联网络和功能断联网络，构建个体损伤程度网络；将个体损伤程度网络的矩阵上三角值转化得到的一维向量，作为待测样本磁共振影像的特征提取结果。本发明专利技术通过构建结构断联网络和功能断联网络能够准确合理的提取磁共振影像的特征，以提高模型分类的精度。以提高模型分类的精度。以提高模型分类的精度。

【技术实现步骤摘要】
磁共振影像特征提取方法、系统、设备及特征应用方法


[0001]本专利技术涉及图像特征提取
，特别是涉及一种磁共振影像特征提取方法、系统、设备及特征应用方法。

技术介绍

[0002]功能磁共振影像在监测大脑活动和探索不同脑部区域之间的连通性中起着重要的作用，目前广泛应用于人脑认知功能的研究，如在阿尔兹海默症的辅助诊断中使用该医学影像进行分类机器学习应用尤为常见。特征抽取是机器学习中非常重要的一步，选择合适的特征能够大大提高模型的分类(比如认知状态预测)表现，同时降低模型的复杂性。但目前的磁共振影像的特征提取方法，难以满足目前模型分类的精度要求，因此，亟需一种磁共振影像的特征提取技术，以满足模型分类的分类精度要求。

技术实现思路

[0003]本专利技术的目的是提供一种磁共振影像特征提取方法、系统、设备及特征应用方法，能够准确合理的提取磁共振影像的特征，以提高模型分类的精度。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种磁共振影像的特征提取方法，包括：
[0006]获取待测样本的磁共振成像数据；所述磁共振成像数据包括磁共振T1加权影像、磁共振成像液体衰减反转恢复序列影像、弥散磁共振影像和静息态功能磁共振成像；
[0007]根据所述磁共振T1加权影像、所述磁共振成像液体衰减反转恢复序列影像和所述弥散磁共振影像，构建待测样本的结构断联网络；
[0008]根据所述静息态功能磁共振成像，构建待测样本的功能断联网络；
[0009]根据所述结构断联网络和所述功能断联网络，构建个体损伤程度网络；
[0010]将所述个体损伤程度网络的矩阵上三角值转化得到的一维向量，作为待测样本的损伤程度向量；所述损伤程度向量为待测样本磁共振影像的特征提取结果。
[0011]可选的，根据所述磁共振T1加权影像、所述磁共振成像液体衰减反转恢复序列影像和所述弥散磁共振影像，构建待测样本的结构断联网络，包括：
[0012]根据所述磁共振T1加权影像和所述磁共振成像液体衰减反转恢复序列影像，确定待测样本的白质高信号区域图；
[0013]通过线性变换将所述白质高信号区域图变换至MNI标准空间，得到MNI标准空间下的白质高信号区域图；
[0014]对所述弥散磁共振影像进行预处理，得到预处理后的弥散磁共振影像；
[0015]将所述预处理后的弥散磁共振影像配准到MNI标准空间，并进行纤维追踪处理，得到全脑区域的第一确定性纤维追踪结构连接图像；
[0016]将所述MNI标准空间下的白质高信号区域图叠加到MNI标准空间下的弥散磁共振影像，得到叠加图像；
[0017]对所述叠加图像进行确定性纤维追踪处理，得到白质高信号区域的第二确定性纤维追踪结构连接图像；
[0018]根据所述第一确定性纤维追踪结构连接图像确定第一结构连接矩阵；
[0019]根据所述第二确定性纤维追踪结构连接图像确定第二结构连接矩阵；
[0020]以所述第一结构连接矩阵的元素为被除数，以所述第二结构连接矩阵的元素为除数，对所述第一结构连接矩阵和所述第二结构连接矩阵进行对应元素取商处理，得到全脑区域的结构断联矩阵；
[0021]根据所述结构断联矩阵，确定待测样本的结构断联网络。
[0022]可选的，根据所述静息态功能磁共振成像，构建待测样本的功能断联网络，包括：
[0023]提取MNI标准空间下的白质高信号区域图的平均信号；
[0024]对所述待测样本的静息态功能磁共振成像进行预处理，得到MNI标准空间下的大脑功能信号图像；
[0025]对所述大脑功能信号图像中白质高信号区域图之外的区域进行划分，得到多个功能区域；
[0026]基于所述大脑功能信号图像，将所述平均信号分别与每个功能区域进行Pearson相关处理，得到白质高信号区域与每个功能区域的功能连接值；
[0027]根据多个所述功能连接值，确定待测样本的功能断联矩阵；
[0028]根据所述功能断联矩阵，确定待测样本的功能断联网络。
[0029]可选的，根据所述结构断联网络和所述功能断联网络，构建个体损伤程度网络，包括：
[0030]以功能断联矩阵的元素为被除数，以结构断联矩阵的元素为除数，对所述功能断联矩阵和所述结构断联矩阵进行对应元素取商处理，得到个体损伤程度矩阵；
[0031]根据所述个体损伤程度矩阵，确定待测样本的个体损伤程度网络。
[0032]一种磁共振影像的特征提取系统，包括：
[0033]影像获取模块，用于获取待测样本的磁共振成像数据；所述磁共振成像数据包括磁共振T1加权影像、磁共振成像液体衰减反转恢复序列影像、弥散磁共振影像和静息态功能磁共振成像；
[0034]结构断联网络构建模块，用于根据所述磁共振T1加权影像、所述磁共振成像液体衰减反转恢复序列影像和所述弥散磁共振影像，构建待测样本的结构断联网络；
[0035]功能断联网络构建模块，用于根据所述静息态功能磁共振成像，构建待测样本的功能断联网络；
[0036]个体损伤程度网络构建模块，用于根据所述结构断联网络和所述功能断联网络，构建个体损伤程度网络；
[0037]特征提取模块，用于将所述个体损伤程度网络的矩阵上三角值转化为一维向量，作为待测样本磁共振影像的特征提取结果。
[0038]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的一种磁共振影像的特征提取方法。
[0039]可选的，所述存储器为可读存储介质。
[0040]一种特征应用方法，包括：
[0041]获取待测群体中多个个体的磁共振成像数据为群体磁共振成像数据；
[0042]根据群体磁共振成像数据，利用所述的一种磁共振影像的特征提取方法确定待测群体中每个个体的损伤程度向量；
[0043]将待测群体对应的多个损伤程度向量进行叠加处理，得到待测群体损伤程度矩阵；
[0044]将所述待测群体损伤程度矩阵输入到群体认知水平分类模型中，得到待测群体的群体认知水平类别；所述群体认知水平分类模型是以多个群体的群体损伤程度矩阵为自变量，以对应群体的群体认知水平类别为因变量构建的线性回归模型。
[0045]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0046]本专利技术提供的磁共振影像特征提取方法、系统、设备及特征应用方法，本专利技术通过构建结构断联网络和功能断联网络，进而构建个体损伤程度网络能够准确合理的提取磁共振影像的特征，用于提高模型分类(比如认知水平分类模型)的精度。
附图说明
[0047]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磁共振影像的特征提取方法，其特征在于，包括：获取待测样本的磁共振成像数据；所述磁共振成像数据包括磁共振T1加权影像、磁共振成像液体衰减反转恢复序列影像、弥散磁共振影像和静息态功能磁共振成像；根据所述磁共振T1加权影像、所述磁共振成像液体衰减反转恢复序列影像和所述弥散磁共振影像，构建待测样本的结构断联网络；根据所述静息态功能磁共振成像，构建待测样本的功能断联网络；根据所述结构断联网络和所述功能断联网络，构建个体损伤程度网络；将所述个体损伤程度网络的矩阵上三角值转化得到的一维向量，作为待测样本的损伤程度向量；所述损伤程度向量为待测样本磁共振影像的特征提取结果。2.根据权利要求1所述的一种磁共振影像的特征提取方法，其特征在于，根据所述磁共振T1加权影像、所述磁共振成像液体衰减反转恢复序列影像和所述弥散磁共振影像，构建待测样本的结构断联网络，包括：根据所述磁共振T1加权影像和所述磁共振成像液体衰减反转恢复序列影像，确定待测样本的白质高信号区域图；通过线性变换将所述白质高信号区域图变换至MNI标准空间，得到MNI标准空间下的白质高信号区域图；对所述弥散磁共振影像进行预处理，得到预处理后的弥散磁共振影像；将所述预处理后的弥散磁共振影像配准到MNI标准空间，并进行纤维追踪处理，得到全脑区域的第一确定性纤维追踪结构连接图像；将所述MNI标准空间下的白质高信号区域图叠加到MNI标准空间下的弥散磁共振影像，得到叠加图像；对所述叠加图像进行确定性纤维追踪处理，得到白质高信号区域的第二确定性纤维追踪结构连接图像；根据所述第一确定性纤维追踪结构连接图像确定第一结构连接矩阵；根据所述第二确定性纤维追踪结构连接图像确定第二结构连接矩阵；以所述第一结构连接矩阵的元素为被除数，以所述第二结构连接矩阵的元素为除数，对所述第一结构连接矩阵和所述第二结构连接矩阵进行对应元素取商处理，得到全脑区域的结构断联矩阵；根据所述结构断联矩阵，确定待测样本的结构断联网络。3.根据权利要求2所述的一种磁共振影像的特征提取方法，其特征在于，根据所述静息态功能磁共振成像，构建待测样本的功能断联网络，包括：提取MNI标准空间下的白质高信号区域图的平均信号；对所述待测样本的静息态功能磁共振成像进行预处理，得到MNI标准空间下的大脑功能信号图像；对所述大脑功能信号图像中白质高信号区域图之外的区域进行划分，得到多个功能区域...

【专利技术属性】
技术研发人员：刘涛，唐慧，刘浩，沈为群，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：