[发明专利]基于磁共振成像的脑小血管病变图像分类方法、设备及介质

权利要求书

1.一种基于磁共振成像的脑小血管病变图像分类方法，其特征在于，该方法首先构建并训练基于集成学习的图像分类模型，然后获取待分类脑MRI图像，应用所述图像分类模型获取该待分类脑MRI图像对应的病变类别；

训练所述基于集成学习的图像分类模型具体包括以下步骤：

S101、获取脑MRI数据集，对所述脑MRI数据集的图像进行预处理，获取预处理后图像；

S102、对所述预处理后图像进行计算分析，获取对应的多个功能度量，基于所述多个功能度量筛选获得用于分类的若干个度量特征；

S103、基于所述度量特征训练所述图像分类模型。

2.根据权利要求1所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，步骤S101中，对所述脑MRI数据集的图像进行的预处理包括时间层校正、头动校正、空间标准化、平滑、带通滤波、去线性漂移、回归干扰参数中的一个或多个。

3.根据权利要求1所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，步骤S102中，所述功能度量包括ReHo图、ALFF图、FC模式和脑功能网络，所述脑功能网络具有局部网络属性和全局网络属性。

4.根据权利要求3所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，采用双样本T检验进行特征选择，从所述ReHo图和ALFF图中获得具有代表性的脑体素团块，作为用于分类的度量特征。

5.根据权利要求3所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，使用L0minCV方法对FC模式和脑功能网络中局部网络属性进行特征选择。

6.根据权利要求3所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，所述脑功能网络为具有稀疏度的加权脑网络，构建过程包括：

设置每两个脑网络节点u和v之间的连通程度，用相关性作为两节点之间边的权重，仅取所有权重值降序排列时前s％的节点连边，获得所述具有稀疏度的加权脑网络。

7.根据权利要求3所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，所述局部网络属性包括介数中心度、度中心度、聚类系数、局部效率和节点效率；

所述全局网络属性包括同配性、层次度、局域脑网络效率、全局脑网络效率和小世界网络属性。

8.根据权利要求1所述的基于磁共振成像的脑小血管病变图像分类方法，其特征在于，所述基于集成学习的图像分类模型包括针对每一度量特征的SVM模型，以各SVM模型的初步分类结果加权获得最终分类结果。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；和

被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-8任一所述图像分类方法的指令。

10.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-8任一所述图像分类方法的指令。