[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

说明书

本发明涉及一种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，所述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。与现有技术相比，本发明具有精度高、易于操作等优点。

技术领域

本发明涉及医学图像处理技术领域，涉及一种图像自动分类方法，尤其是涉及一种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。

背景技术

脑小血管疾病(CSVD)是一种临床、病理和影像综合症，可由多种原因及发病机制影响脑小动脉、小静脉、微动脉、微静脉和毛细血管等小血管，是导致认知障碍和痴呆症，如血管性痴呆、AD等的主要原因。CSVD在MRI图像上最早及最明显的表征是脑白质高信号(WMH)，其在老年人的大脑MRI上十分常见。然而，WMH的潜在病理机制是非常多样的，例如不完全的皮层下梗塞、胶质增生和轴索丧失或血管周围间隙邻近脑白质轻度脱髓鞘等，其临床影响也很复杂，包括认知障碍、卒中复发、痴呆和死亡的风险增加。

CSVD起病隐匿，渐进发展，预后不良，目前仍缺乏成熟的、有针对性的治疗策略，因此，迫切需要正确理解CSVD在衰老大脑中的作用机制和临床表现。目前，绝大部分基于CSVD的影像学智能应用都致力于病灶的分割和定位方面，而CSVD是一个全脑性疾病，并非局灶性病变。CSVD的特异性临床表现是神经元间相互连接，进而形成复杂脑网络并相互作用的结果。现有方法难以方便、准确对CSVD病变图像进行分类。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种精度高、易于操作的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。

本发明的目的可以通过以下技术方案来实现：

一种基于磁共振成像的脑小血管病变图像分类方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。