[发明专利]一种基于复杂脑网络的阿尔茨海默症特征提取及分类方法

说明书

本发明公开了一种基于复杂脑网络的阿尔茨海默症特征提取及分类方法，包括以下步骤：步骤S1）数据预处理并构建大脑连接性矩阵；步骤S2）复杂脑网络度量；步骤S3）基于局部性度量指标获取关键脑区；步骤S4）基于二值化脑网络进行NBS分析，获取重要脑区并计算全局性度量指标；步骤S5）提取特征向量并进行分类。本方案首先根据功能磁共振成像数据进行精细脑分区并构建大脑连接性矩阵，通过局部性度量指标提取关键脑区，再进一步针对关键脑区计算全局性度量指标和局部性度量指标，然后进行特征提取并进行分类，为阿尔茨海默症的疾病诊断提供快速精准的辅助诊断依据。

技术领域

本发明涉及磁共振数据分析技术领域，具体涉及一种基于复杂脑网络的阿尔茨海默症特征提取及分类方法。

背景技术

阿尔兹海默症(Alzheimer’s disease,AD)是一种起病隐匿且不可逆的神经系统退行性疾病。脑成像在一定程度上可以揭示神经退行性疾病的脑改变，包括结构性磁共振成像、功能磁共振成像、弥散张量成像、正电子发射型计算机断层显像等。基于神经影像的研究方法为探索AD脑网络中的关键脑区和关键通路异常的变化规律，深入了解疾病的生理机制和疾病早期诊断提供了研究手段。随着成像遗传学的研究开展，使用成像和生物标志物作为中间表型，在识别与AD基因相关的功能连接方面具有更高的敏感性。现有技术中，绝大部分研究没有使用精细脑分区的脑成像数据研究脑区结构活功能性脑成像、脑网络拓扑属性，并且没有直接根据全脑区数据形成功能磁共振连接矩阵，没有计算脑网络的全局性度量指标与局部性度量指标后进行特征提取并进行分类/识别。

发明内容

本发明提供了一种基于复杂脑网络的阿尔茨海默症特征提取及分类方法，首先根据功能磁共振成像数据进行精细脑分区并构建大脑连接性矩阵，通过局部性度量指标提取关键脑区，再进一步针对关键脑区计算全局性度量指标和局部性度量指标，然后进行特征提取并进行分类，为阿尔茨海默症的疾病诊断提供快速精准的辅助诊断依据。

为了实现上述目的，本发明采用以下技术方案：

一种基于复杂脑网络的阿尔茨海默症特征提取及分类方法，包括以下步骤：步骤S1)数据预处理并构建大脑连接性矩阵；步骤S2)复杂脑网络度量；步骤S3)基于局部性度量指标获取关键脑区；步骤S4)基于二值化脑网络进行NBS分析，获取重要脑区并计算全局性度量指标；步骤S5)提取特征向量并进行分类。本发明计算了不同程度认知障碍患者和健康人群的复杂脑网络的全局性度量指标和局部性度量指标，提出了根据局部性度量指标筛选出差异性显著的关键脑区的方法，然后对360个脑区的数据和36个关键脑区的数据进行特征提取，提取30个特征值，将这30个特征值作为机器学习的先验条件进行模型训练，最终获得较高水平的二分类，并且使用36个关键脑区的局部性度量指标进行特征提取分类的准确率使用360个脑区的局部性度量指标进行特征提取分类的准确率使用360个脑区的全局性度量指标+局部性度量指标进行特征提取分类的准确率使用360个脑区的全局性度量指标进行特征提取分类的准确率，二次特征提取的分类结果明显优于其他相关研究。