[发明专利]一种自闭症谱系障碍的自动判别系统、存储介质及设备

说明书

本发明属于基于医学影像及遗传学的计算机辅助诊断领域，提供了一种自闭症谱系障碍的自动判别系统、存储介质及设备。其中该系统包括脑连接特征提取模块，其用于从被试的多模态磁共振影像中提取功能连接及脑白质连接图谱，作为脑连接特征；特征选择及降维模块，其用于对脑连接特征进行稀疏选择及非线性降维；遗传数据特征提取模块，其用于基于被试的全基因组测序数据及单核苷酸多态性质量筛选，利用基因约束最大似然法提取遗传数据特征；特征融合模块，其用于利用典型相关分析方法融合选择及降维后的脑连接特征和遗传数据特征；分类决策模块，其用于将融合后特征输入至决策模型中，判别出是否属于自闭症谱系障碍类别。

技术领域

本发明属于基于医学影像及遗传学的计算机辅助诊断领域，尤其涉及一种自闭症谱系障碍的自动判别系统、存储介质及设备。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

自闭症谱系障碍(Autism Spectrum Disorder,ASD)起病于婴幼儿期的全面性精神发育障碍，主要表现为人际交往和沟通模式的异常，语言和非语言交流障碍，兴趣与活动内容局限，行为刻板、重复。寻找一种精确、客观的早期ASD判别方法，对辅助临床ASD的智能诊断和制定合理的早期神经保护措施具有重要意义。

已有部分研究初步探讨了基于磁共振成像对ASD的诊断研究。然而多数研究都是基于单模态的脑影像特征，如基于结构磁共振图像(structural MRI,sMRI)可获得大脑脑质结构体积、表面积等表型改变；基于功能磁共振成像(functional MRI,fMRI)可以反映局部脑区功能连接，代谢程度的异常；基于弥散磁共振成像(diffusion MRI,dMRI)可以通过定量分析脑组织水分子的自由扩散属性，反映出脑白纤维束的微结构改变。发明人发现，现有的自闭症谱系障碍诊断存在分析特征单一且准确率低的问题，无法为早期ASD诊断提供可靠的辅助诊断。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种自闭症谱系障碍的自动判别系统，其能够提高分类精度。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种自闭症谱系障碍的自动判别系统，其包括：

脑连接特征提取模块，其用于从被试的多模态磁共振影像中提取功能连接及脑白质连接图谱，作为脑连接特征；

特征选择及降维模块，其用于对脑连接特征进行稀疏选择及非线性降维；

遗传数据特征提取模块，其用于基于被试的全基因组测序数据及单核苷酸多态性质量筛选，利用基因约束最大似然法提取遗传数据特征；

特征融合模块，其用于利用典型相关分析方法融合选择及降维后的脑连接特征和遗传数据特征；

分类决策模块，其用于将融合后特征输入至决策模型中，判别出是否属于自闭症谱系障碍类别。

进一步地，所述决策模型由若干基分类器组合而成，每个基分类器对应输入的特征向量，得到测试样本的基分类器的预测概率输出值，并作为下一级的逻辑回归模型的输入，进行训练决策模型。

进一步地，所述基分类器包括SVM、RF及BP网络。

进一步地，所述多模态磁共振影像包括sMRI图像、fMRI图像和dMRI图像。

进一步地，利用L1范数正则化对脑连接特征进行稀疏选择。

进一步地，利用t-SNE算法进行非线性降维。

进一步地，所述提取遗传数据特征包括两个特征，第一个特征为遗传度，第二个特征为脑白质连接/功能连接与自闭症的行为分数的遗传相关性。