[发明专利]基于脑功能网络特征对早晚期轻度认知障碍的分类装置

说明书

本发明公开了一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法及装置，属于医学影像图像处理技术领域。本发明首先对样本数据进行预处理和提取多个脑区时间序列，采用皮尔逊相关计算脑区时间序列之间的相关系数构建脑功能网络，计算脑网络参数。其次采用逐步分析方法提取特征，并训练二分分类器，对待分类的静息态功能磁共振数据提取对应的特征向量并输入训练好的二分分类器，得到对医学影像图像分类结果。与现有方法相比，本发明的分类准确率、敏感性和特异性更好。

技术领域

本发明属于医学影像图像处理技术领域，具体涉及到利用静息态功能性磁共振成像(fMRI)技术和脑功能网络特征对早期和晚期轻度认知障碍疾病分类。

背景技术

轻度认知障碍(MCI)是介于健康衰老和痴呆之间的一种中间阶段。有研究表明每年MCI转移到老年痴呆症(AD)上的概率大概在10％～15％之间，而正常老龄人转变为AD则在1％～2％范围内。作为正常老龄化向痴呆过渡的中间阶段，MCI受到了广泛的关注。根据MCI疾病记忆损伤程度的不同，可以将MCI病人分为早期MCI患者(EMCI)和晚期MCI患者(LMCI)。但EMCI和LMCI在多维信息上存在差异，寻找有效的分类生物标记并构建分类模式对两类患者进行分类，可以更好的了解病情的发展，能够加强对引起转变因素的了解，以促进对不同程度疾病进行针对治疗。

研究表明MCI疾病与大脑特殊脑区灰质减少、皮层厚度变薄、白质连接变化等有关。在MCI疾病检测研究中，内嗅皮层，内侧颞叶，后扣带等脑区的萎缩有较高的敏感性和特异性，利用这些脑区进行分类也取得很好的分类效果。在EMCI和LMCI两组的功能脑网络研究中，发现最短路径长度随着疾病程度增加而增加，而平均聚类系数随之降低；节点中心度在两组间也存在差异性，这些差异脑区为：左侧额下回三角部分，左侧眶额下回，左侧嗅皮质等。虽然小世界参数在EMCI和LMCI统计不显著，但分别与正常老龄人与老年痴呆进行比较，发现部分参数在两两对比间存在显著性差异，但是差异的表现和区域不完全一致。

在EMCI和LMCI的研究中，人们更多的关注两组患者在大脑结构和功能上的差异，少有研究针对两组样本进行分类预测。利用认知评分，颞叶，顶叶和扣带脑区的体积参数对EMCI和LMCI进行分类，Goryawala等人报道了73.6％的分类精度，但两组样本在认知评分中存在显著性差异。在EMCI和正常人的分类中，根据先验知识，利用特定脑区的皮层厚度、皮层体积和对应脑区的新陈代谢变化进行分类，能获得较好分类结果(AUC＝0.668)。此外，MCI疾病与不同频段的灰质活动有关，根据前人研究可以将低频BOLD(Blood OxygenationLevel Dependent)信号分为：full-band(0.01-0.08hz)、slow-4(0.027-0.073hz)、slow-5(0.01-0.027hz)、slow-3(0.073-0.0198hz)和slow-2(0.0198-0.25hz)几个频段，但是大脑灰质活动主要分布在slow-4和slow-5中。已有研究表明在MCI患者中，slow-4和slow-5在后扣带、内侧前额叶和海马旁回等脑区存在显著性差异。可见分频段分类是个新的研究方向，但是少有研究利用不同频段功能网络对EMCI和LMCI进行分类预测，因而有必要提出一种利用不同频段功能网络对EMCI和LMCI进行分类预测的医学影像图像分类处理方法。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种利用脑功能网络特征对早期和晚期轻度认知障碍的分类方法及装置。

本发明的基于脑功能网络特征对早晚期轻度认知障碍的分类方法，包括下列步骤：

步骤1：获取训练样本：

对采集的静息态功能磁共振数据(rs-fMRI)进行预处理得到训练样本(对应不同的个体)，所述预处理包括：格式转换、去时间点、时间层矫正、头动矫正、空间标准化、平滑、去线性漂移、滤波和去协变。

步骤2：对训练样本进行脑网络特征提取：