一种基于网络中心性的脑功能磁共振图像分类方法技术

本发明专利技术公开了一种基于网络中心性的脑功能磁共振图像分类方法，包括：对脑功能磁共振图像进行预处理，然后进行脑区分割，并提取各个脑区的平均时间序列；计算平均各个时间序列之间的偏相关系数，得到偏相关系数矩阵；将偏相关系数矩阵二值化，得到脑网络模型；计算网络中各节点的网络中心性；利用自适应提高分类器对脑功能磁共振图像进行分类，并采用留一交叉验证的测试方法对自适应提高分类器进行检验。本发明专利技术利用脑功能磁共振图像构建了脑功能网络，利用了网络拓扑结构信息进行分类，能够精确的对脑功能磁共振图像进行分类。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体涉及。
技术介绍
功能磁共振成像(functionalMagnetic Resonance Imaging, fMRI)以其高时空分辨率，非侵入式等特点在神经疾病诊断治疗方面得到了广泛应用。fMRI —般指基于血氧·水平依赖(blood oxygen level-dependent, BOLD)的磁共振成像,它通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化来反映脑活动。脑是一个复杂的系统，在受到刺激条件或经历病变时脑的磁共振图像会发生相应的变化。利用图像分类方法，计算脑功能磁共振图像具有某种属性的可能性大小，或者自动判别图像的类别属性，是计算机辅助分析的一个重要应用。传统的功能磁共振图像分类方法主要有感兴趣区域(ROI)方式和体素(voxel)方式两种分类方法。感兴趣区域方式的分类方法依据目标结构的先验知识，将样本和目标分割成多个目标区域，并据此对目标进行分类；体素方式的分类方法采用复杂的非线性配准，以最大限度地实现个体间的精确对应，然后以图像的每一个空间单位(体素)作为分类依据。这两种方法都假设目标与样本的内部组织结构是本文档来自技高网...

【技术保护点】
一种基于网络中心性的脑功能磁共振图像分类方法，其特征在于，包括：步骤S1：对脑功能磁共振图像进行预处理，然后进行脑区分割，并提取各个脑区的平均时间序列；步骤S2：计算平均各个时间序列之间的偏相关系数，得到偏相关系数矩阵；步骤S3：将偏相关系数矩阵二值化，得到脑网络模型；步骤S4：计算网络中各节点的网络中心性；步骤S5：利用自适应提高分类器对脑功能磁共振图像进行分类，并采用留一交叉验证的测试方法对自适应提高分类器进行检验。

【技术特征摘要】

【专利技术属性】
技术研发人员：田捷，刘振宇，白丽君，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：