联合多参数制造技术

本发明专利技术涉及联合多参数

【技术实现步骤摘要】
联合多参数MRI特征的自闭症谱系障碍分类方法及系统


[0001]本专利技术涉及医学影像处理
，特别涉及联合多参数
MRI
特征的自闭症谱系障碍分类方法及系统
。

技术介绍

[0002]自闭症谱系障碍
(autism spectrum disorder
，
ASD)
是一种神经发育障碍性疾病，核心症状包括社会交流及互动障碍
、
受限的重复刻板行为
。ASD
好发于3‑6岁学龄前儿童，该时期大脑快速生长，是各项能力发育的关键时期，如不能准确诊断并及时干预会严重影响其学习
、
社交，给家庭及社会带来沉重的经济和精神负担
。
因此，学龄前
ASD
儿童准确诊断及病情评估有助于指导临床科学有效干预，改善患儿生活质量
。
目前，临床量表可以对
ASD
进行病情评估，但主要依赖于医生的主观判断，缺乏客观依据
。
因此，急需客观可靠和高度有效的生物标记物
。
[0003]以往研究证实
ASD
与大脑结构
、
功能连接的神经发育变异有关
。
扩散张量成像
(diffusion tensor imaging
，
DTI)
是一种无创评估大脑白质纤维束方向和连通性的
MRI
技术，可以揭示大脑白质纤维束微结构损伤
。
例如，从
DTI
图像上可以提取各向异性分数
(fractional anisotropy
，
FA)
，描述了扩散过程的各向异性程度；从
DTI
图像上还可以构建白质网络分析，结合网络分析理论，可以计算节点效率等网络指标；另外，还可以采用基于弥散技术的沿血管周围间隙弥散张量成像分析
(DTI
‑
ALPS)
评估自闭症患者的类淋巴系统活性
。
大脑存在类淋巴系统
,
蛛网膜下腔脑脊液和间质液通过血管旁间隙，将可溶性
A
β
蛋白
、tau
蛋白及能量代谢产物乳酸运出脑组织
。ASD
引起的结构功能损伤会导致大脑自动调节功能的破坏
、
神经血管脑脊液解偶及代谢产物的积累，从而阻碍类淋巴循环
。
[0004]脑脊液通过由星形神经胶质细胞所控制的管道系统流入大脑内部
。
能够反映类淋巴系统活性的，除了
DTI
‑
ALPS
，还可从
T1
加权结构磁共振上计算脑脊液的体积值
。
脑脊液体积的多少与
ASD
患者早期蛛网膜颗粒发育不全及脑膜淋巴系统障碍导致其吸收减少相关
。
[0005]现有技术都是基于磁共振影像进行自闭症谱系障碍辅助诊断
。
例如：现有方案1为名称为一种自闭症谱系障碍的自动判别系统
、
存储介质及设备，申请号为
202111050081.2
的中国专利技术专利；现有方案2为名称为一种基于核磁共振图像预测自闭症并寻找生物标记的方法，申请号为
202211000237.0
的中国专利技术专利
。
现有方案1是从静息态功能磁共振
(BOLD)
和
DTI
两种模态影像，提取功能连接及脑白质连接特征
。
现有方案2是从功能磁共振影像，提取功能连接特征
。
上述两种现有方案主要涉及
BOLD
功能磁共振和
DTI
，仅提取了脑网络特征，没有提取能够反映类淋巴系统活性的脑脊液体积特征和白质纤维束各向异性分数
。
[0006]因此，急需一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，结合白质纤维损伤
、
脑连接异常以及类淋巴系统循环障碍特征，提升多模态
MRI
对
ASD
患者辅助诊断的准确性
。

技术实现思路

[0007]为了实现本专利技术的上述目的和其他优点，本专利技术的第一目的是提供一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，包括以下步骤：
[0008]从
T1
图像提取脑脊液体积特征；
[0009]从
DTI
图像提取沿血管周围间隙弥散张量特征；
[0010]从
DTI
图像提取各向异性分数特征；
[0011]从
DTI
图像提取
DTI
脑网络特征：
[0012]将所述脑脊液体积特征
、
所述沿血管周围间隙弥散张量特征
、
所述各向异性分数特征
、
所述
DTI
脑网络特征输入训练好的分类模型进行分类，计算分类性能评价指标
。
[0013]进一步地，所述从
T1
图像提取脑脊液体积特征包括以下步骤：
[0014]对原始
T1
图像进行格式转换；
[0015]将每个图像重新定向并重新采样为标准格式；
[0016]对每个图像进行
N3
偏置场校正，对大脑区域进行分割；
[0017]将数据分类成灰质
、
白质和全脑脊液，计算轴外脑脊液
、
轴内脑脊液及全脑脊液体积，提取脑脊液体积特征
。
[0018]进一步地，所述对原始
T1
图像进行格式转换为将原始
T1 Dicom
数据转换成
NII
格式数据
。
[0019]进一步地，所述标准格式包括标准体素分辨率和标准体积大小，所述标准体素分辨率为
256
×
256
×
256mm3，所述标准体积大小为1×1×
1mm3。
[0020]进一步地，所述将数据分类成灰质
、
白质和全脑脊液为采用基于水平集的组织分割方法，利用皮质厚度约束和纵向一致性约束将数据分类成灰质
、
白质和全脑脊液
。
[0021]进一步地，所述将数据分类成灰质
、
白质和全脑脊液还包括以下步骤：
[0022]在仅包括灰质和白质的图像上，填充轴内脑脊液区域，分离出轴外脑脊液
。
[0023]进一步地，所述从
DTI
图像提取沿血管周围间隙弥散张量特征包括以下步骤：
[0024]对原始
DTI
图像进行格式转换；
[0025]提取
DTI...

【技术保护点】

【技术特征摘要】
1.
一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于，包括以下步骤：从
T1
图像提取脑脊液体积特征；从
DTI
图像提取沿血管周围间隙弥散张量特征；从
DTI
图像提取各向异性分数特征；从
DTI
图像提取
DTI
脑网络特征：将所述脑脊液体积特征
、
所述沿血管周围间隙弥散张量特征
、
所述各向异性分数特征
、
所述
DTI
脑网络特征输入训练好的分类模型进行分类，计算分类性能评价指标
。2.
如权利要求1所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于，所述从
T1
图像提取脑脊液体积特征包括以下步骤：对原始
T1
图像进行格式转换；将每个图像重新定向并重新采样为标准格式；对每个图像进行
N3
偏置场校正，对大脑区域进行分割；将数据分类成灰质
、
白质和全脑脊液，计算轴外脑脊液
、
轴内脑脊液及全脑脊液体积，提取脑脊液体积特征
。3.
如权利要求2所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述对原始
T1
图像进行格式转换为将原始
T1 Dicom
数据转换成
NII
格式数据
。4.
如权利要求2所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述标准格式包括标准体素分辨率和标准体积大小，所述标准体素分辨率为
256
×
256
×
256mm3，所述标准体积大小为1×1×
1mm3。5.
如权利要求2所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述将数据分类成灰质
、
白质和全脑脊液为采用基于水平集的组织分割方法，利用皮质厚度约束和纵向一致性约束将数据分类成灰质
、
白质和全脑脊液
。6.
如权利要求5所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述将数据分类成灰质
、
白质和全脑脊液还包括以下步骤：在仅包括灰质和白质的图像上，填充轴内脑脊液区域，分离出轴外脑脊液
。7.
如权利要求1所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述从
DTI
图像提取沿血管周围间隙弥散张量特征包括以下步骤：对原始
DTI
图像进行格式转换；提取
DTI
图像的文件，得到彩色编码的分数各向异性图和扩散率图，基于
SWI
衍生的静脉图像，确定静脉垂直于侧脑室的轴向层面；根据颜色编码的主扩散方向图，在大脑左半球绘制感兴趣脑区，提取每个感兴趣脑区的
x
轴
、y
轴和
z
轴的扩散率值；通过每个感兴趣脑区的
x
轴
、y
轴和
z
轴的扩散率值计算得到沿血管周围间隙弥散张量特征
。8.
如权利要求7所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述对原始
DTI
图像进行格式转换为将原始
DTIDicom
数据转换成
NI I
格式数据
。9.
如权利要求8所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：所述提取
DTI
图像的文件为提取格式转换后的
DTI
数据的
nii.gz
图像文件
、bvals
和
bvecs
文件
。
10.
如权利要求7所述的一种联合多参数
MRI
特征的自闭症谱系障碍分类方法，其特征在于：提取沿血管周围间隙弥散张量特征的计算公式为：
DTI
‑
ALPS index
＝
mean(Dxproj,Dxassoc)/mean(Dyproj,Dzassoc)
其中，
Dxproj
表示投射纤维区中
x
轴扩散率，
Dxassoc
表示联络纤维区中
x
轴扩散率，
Dxproj
表示投射纤维区中
y
轴扩散率，
Dzassoc
表示联络纤维区中
z
轴扩散率
。11.
如权利要求1所述的一种...

【专利技术属性】
技术研发人员：戴亚康，蒋昊翔，彭博，王妙艳，刘苏锐，徐丹丹，宋娟，
申请(专利权)人：无锡市儿童医院，
类型：发明
国别省市：