[发明专利]基于网络图论分析的阿尔兹海默病检测方法

权利要求书

1.基于网络图论分析的阿尔兹海默病检测方法，其特征在于，包括以下步骤：

S1：选择符合诊断阿尔兹海默病标准的检测人群；

S2：采集磁共振三维扰相梯度回波序列和静息态功能磁共振数据；

S3：对数据进行预处理；

S4：从数据中计算体素相关矩阵，并计算体素相关矩阵的多尺度方向熵，得到多尺度方向熵矩阵M1、M2和M3，将所述多尺度方向熵矩阵M1、M2和M3进行Z评分，得到评分值矩阵Z1、Z2和Z3；

S5：将所述评分值矩阵Z1、Z2和Z3进行加权求和，得到z评分值图谱，以带宽半径4mm对z评分值图谱进行高斯核平滑；

S6：分割并计算受试者双侧大脑半球的皮质下区域的体积，包括双侧伏隔核、杏仁核、尾状核、海马、壳核和丘脑，以及每个受试者的总颅内体积；

S7：将高斯核平滑后的图像、皮质下区域的体积、总颅内体积输入logistics软件，并选择CR1基因多态性位点，使用logistics软件进行回归和统计分析，如果输出结果P小于预设值，则判断符合阿尔兹海默病标准。

2.根据权利要求1所述的基于网络图论分析的阿尔兹海默病检测方法，其特征在于，所述预处理包括以下步骤：校正、T1结构像配准到功能像模板、去除无关信号、滤波、标准化到MNI标准空间、提取功能像时间序列和平滑。

3.根据权利要求1所述的基于网络图论分析的阿尔兹海默病检测方法，其特征在于，所述CR1基因多态性位点为：

rs6656401-F5′:CCAGAAATCCAGTTAAGATGTCAA3′,

rs6656401-R5′:AGTTGTAGTTGGGGATTGTAATGG3′。

4.根据权利要求1所述的基于网络图论分析的阿尔兹海默病检测方法，其特征在于，所述体素相关矩阵在灰质图像中灰质概率大于阈值时才计算获得，其中，双侧伏隔核区域的灰质概率阈值为20％，杏仁核区域的灰质概率阈值为25％，尾状核区域的灰质概率阈值为15％，海马区域的灰质概率阈值为20％，壳核区域的灰质概率阈值为10％，丘脑区域的灰质概率阈值为25％。

5.根据权利要求1所述的基于网络图论分析的阿尔兹海默病检测方法，其特征在于，所述方向熵的计算如下：

矩阵元素的每个方向相邻元素不为0在所有方向中的概率为p_i，则方向熵的计算为：

6.根据权利要求1所述的基于网络图论分析的阿尔兹海默病检测方法，其特征在于，所述方向熵矩阵M2的计算步骤为：

将所述体素相关矩阵中上下两个元素合并为1个元素，如果合并前两个元素值为1的个数为1或2，则将该元素设置为1，否则，将合并后的元素设置为0，并对合并后的每个元素分别计算方向熵；

所述方向熵矩阵M3的计算步骤为：将所述体素相关矩阵中每四个元素合并为1个元素，其中所述四个元素分为两行两列，每行2个元素，如果合并前四个元素值为1的个数大于2，则将合并后的元素设置为1，否则，将该元素设置为0，并对合并后的每个元素分别计算方向熵。

7.根据权利要求1所述的基于网络图论分析的阿尔兹海默病检测方法，其特征在于，所述评分值矩阵Z1、Z2和Z3进行加权求和的数学公式如下：

Z＝α×Z1+β×Z2+γ×Z3，

其中α、β、γ为加权系数，且αβγ。