[发明专利]一种基于弥散张量成像技术的疾病诊断辅助系统

权利要求书

1.一种基于弥散张量成像技术的疾病诊断辅助系统，其特征在于：包括图像预处理模块、专家知识库模块、张量学习模块和诊断结果输出模块；所述图像预处理模块用于弥散张量图像的采集、弥散张量图像重配准以及弥散张量图像特征提取；所述专家知识库模块用于建立大脑和脊髓相关疾病的专家知识库；所述张量学习模块用于利用专家知识库和张量学习算法对弥散张量图像进行张量分类模型训练以及张量分类模型优化和测试；所述诊断结果输出模块用于输出诊断结果；

其中：所述张量学习模块包括张量分类模型训练单元和张量分类模型优化单元；所述张量分类模型训练单元用于利用专家知识库和最优投影支持张量机对弥散张量图像进行张量分类模型训练；所述张量分类模型优化单元用于进行张量分类模型优化和测试；

所述张量分类模型训练具体为：基于最优投影支持张量机对弥散张量图像进行模式识别，寻找图像在边界方向上的最优投影，并通过最大化投影后样本的类间矩阵和类内矩阵的散布之比来计算最优的投影矢量，所述计算最优的投影矢量具体包括：计算类间矩阵S_b和类内矩阵S_w散布之比的极大值max[(V^TS_bV)/(V^TS_wV)]，求解第一个边界方向上的最优投影矢量v；把训练样本通过v投影，求解二次规划问题，同理求得第二个边界方向上的最优投影矢量；用类间散布矩阵和类内散布矩阵定义投影离散系数R＝Tr(S_b×S_b^T)/Tr(S_w×S_w^T)，R代表训练样本经过最优投影矢量投影后样本间的分离度，R值越大表示训练样本经过投影后样本间距离就越大；

所述张量分类模型优化包括：结合多线性代数运算规则，针对流数据特点，把最优投影支持张量机推广到在线形式，并将优化问题中的不等式约束转化为等式约束。

2.根据权利要求1所述的基于弥散张量成像技术的疾病诊断辅助系统，其特征在于，所述图像预处理模块包括图像采集单元、图像配准单元和特征提取单元；

所述图像采集单元用于采集弥散张量图像；

所述图像配准单元用于进行基于张量相似度的弥散张量图像配准，再进行基于标量相似度的弥散张量图像配准；

所述特征提取单元用于基于张量代数的多线性核主成分分析方法进行弥散张量图像的特征提取和降维。

3.根据权利要求2所述的基于弥散张量成像技术的疾病诊断辅助系统，其特征在于，所述弥散张量图像的特征提取和降维具体为：首先选取适当的核函数把原始数据映射到各自的特征空间；再通过张量积将所有的特征映射到多重线性子空间，使得各子空间能捕捉到大部分正交多维的变异量；按照最小交替平方原理，计算求解新特征。

4.根据权利要求1所述的基于弥散张量成像技术的疾病诊断辅助系统，其特征在于，所述张量分类模型训练还包括：基于最优投影支持张量机分析两种投影方案为：每个子分类器的训练样本都向同一个方向投影，或者每个子分类器确定不同的投影矢量，然后训练样本分别向各自的投影矢量方向上投影。