[发明专利]区域性脑年龄预测的方法、非暂时性电脑可读介质及设备

权利要求书

1.一种区域性脑年龄预测的方法，其特征在于，包括以下步骤：

接收待测者的脑部的第一T1加权影像(T1 weightedimage)；

对所述第一T1加权影像进行组织分割程序，以取得第一灰质影像；

将所述第一灰质影像配准至经迭合程序所建立的正常受试者影像模板；

自配准至所述正常受试者影像模板的所述第一灰质影像撷取所述待测者的待测脑区的第一灰质结构特征；

在数据库中取得所述待测脑区对应的最佳化模型参数值；

依据所述待测者的所述待测脑区的所述第一灰质结构特征以及其对应的所述最佳化模型参数值，结合所述最佳化模型参数值对应的机器学习演算法或深度学习演算法预测所述待测者的所述待测脑区的预测年龄；以及

依据所述待测脑区的所述预测年龄与所述待测者的实足年龄取得所述待测脑区对应的年龄差异值，并输出评估报告。

2.根据权利要求1所述的区域性脑年龄预测的方法，其特征在于，所述迭合程序包含以下步骤：

取得多个健康受试者的脑部的第二T1加权影像；

对每一所述第二T1加权影像分别进行所述组织分割程序，以取得对应的第二灰质影像；

将所述第二灰质影像分别配准至标准空间的MNI模板；以及

将配准至所述MNI模板的所述第二灰质影像进行迭合，并以影像亮度取平均值的方式建立所述正常受试者影像模板。

3.根据权利要求2所述的区域性脑年龄预测的方法，其特征在于，所述数据库的建立方法包括以下步骤：

将每一所述第二灰质影像配准至所述正常受试者影像模板；

撷取配准至所述正常受试者影像模板的每一所述第二灰质影像中每一脑区的第二灰质结构特征；

依据同一脑区的所述第二灰质结构特征结合所述机器学习演算法或所述深度学习演算法以及交叉验证法取得所述脑区对应的所述最佳化模型参数值；以及

取得每一脑区对应的最佳化模型参数值，进而建立所述数据库。

4.根据权利要求1所述的区域性脑年龄预测的方法，其特征在于，所述机器学习演算法为线性回归演算法(Linear Regression)、最小绝对值收敛和选择演算法(LeastAbsoluteShrinkage and Selection Operator，LASSO)、弹性网路回归演算法(Elastic NetRegression)、脊回归演算法(Ridge Regression)、高斯过程回归演算法(GaussianProcess Regression)、支持向量回归演算法(Support Vector Regression，SVR)、贝叶斯线性回归演算法(Bayesian Linear Regression)、随机森林演算法(Random forest)、决策树回归演算法(Decision trees Regression)或极限梯度提升演算法(eXtreme GradientBoosting，XGBoost)；所述深度学习演算法为卷积神经网络演算法(Convolutional NeuralNetworks，CNN)。

5.一种区域性脑年龄预测的非暂时性电脑可读介质，其特征在于，经组态以储存若干操作指令，所述等操作指令在由一或多个处理器执行时使得所述一或多个处理器执行以下操作：

接收待测者的脑部的第一T1加权影像；

对所述第一T1加权影像进行组织分割程序，以取得第一灰质影像；

将所述第一灰质影像配准至经迭合程序所建立的正常受试者影像模板；

自配准至所述正常受试者影像模板的所述第一灰质影像撷取所述待测者的待测脑区的第一灰质结构特征；

在数据库中取得所述待测脑区对应的最佳化模型参数值；

依据所述待测者的所述待测脑区的所述第一灰质结构特征以及其对应的所述最佳化模型参数值，结合所述最佳化模型参数值对应的机器学习演算法或深度学习演算法预测所述待测者的所述待测脑区的预测年龄；以及

依据所述待测脑区的所述预测年龄与所述待测者的实足年龄取得所述待测脑区对应的年龄差异值，并输出评估报告。