[发明专利]一种以杏仁核为核心的脑功能网络多指标融合的图像分类方法、装置、设备及介质

说明书

本发明公开了一种以杏仁核为核心的脑功能网络多指标融合的图像分类方法、装置、设备及介质，方法：获取待分类的头部核磁共振影像数据，并对其进行预处理；根据预处理后的核磁共振影像，分别提取以杏仁核为核心的静态脑功能网络连接值特征向量和动态脑功能网络变异系数特征向量；对提取到的静态脑功能网络连接值特征向量和动态脑功能网络变异系数特征向量，均进行降维处理，得到两种模态的最优特征向量；将两种模态的最优特征向量输入至预训练好的基于多核支持向量机模型的图像分类器，输出得到核磁共振影像数据的类别。本发明可以提升头部核磁共振影像的分类准确率。

技术领域

本发明涉及与医疗辅助研究相关的图像处理技术领域，特别是涉及一种以杏仁核为核心的脑功能网络多指标融合的图像分类方法、装置、设备及介质。

背景技术

抑郁症是以心境低落、认知受损和社会功能障碍为特征的致残性疾病。2017年，世界卫生组织(WHO)发布的世界卫生报告估计全球有近3.22亿抑郁患者，并预计到2030年抑郁症将成为世界首位疾病负担源，给患者和社会都带来了沉重的负担。抑郁症临床症状复杂多样，其中自杀是最严重的后果之一。流行病学研究表明，抑郁症患者的终生自杀率为2％-12％，导致了严重的社会问题和巨大的经济损失。自杀作为全球关注的公共卫生话题，具有重要研究意义。

但是，目前识别抑郁中自杀风险采用的是医生问诊和量表相结合的方式，主观偏向性过强。因此，找到可识别抑郁伴高自杀风险的客观神经生物学标记是非常有必要的。

发明内容

本发明提供一种以杏仁核为核心的脑功能网络多指标融合的图像分类方法，可以提升头部核磁共振影像的分类准确率。

为实现上述技术目的，本发明采用如下技术方案：

一种以杏仁核为核心的脑功能网络多指标融合的图像分类方法，包括：

获取待分类的头部核磁共振影像数据，并对其进行预处理；

根据预处理后的核磁共振影像，分别提取以杏仁核为核心的静态脑功能网络连接值特征向量和动态脑功能网络变异系数特征向量；

对提取到的静态脑功能网络连接值特征向量和动态脑功能网络变异系数特征向量，均进行降维处理，得到两种模态的最优特征向量；

将两种模态的最优特征向量输入至预训练好的基于多核支持向量机模型的图像分类器，输出得到核磁共振影像数据的类别。

进一步地，所述以杏仁核为核心的静态脑功能网络特征向量，提取方法为：

首先，根据其预处理后的静息态核磁共振数据，以左外侧杏仁核、右外侧杏仁核、左内侧杏仁核、右内侧杏仁核这4个杏仁核亚区为种子点；分别计算每个杏仁核亚区的BOLD时间序列与全脑各体素的BOLD时间序列之间的皮尔森相关系数r，记为杏仁核亚区与全脑体素之间的功能连接值，从而生成4组以杏仁核亚区为种子点的脑功能网络连接图谱；

然后，采用Brainnetome Atlas的划分方法，将每组脑功能网络图谱划分成274个脑区；提取每组脑功能网络图谱的每个脑区的平均连接值；

最后，将每组脑功能网络图谱各274个脑区的平均连接值，整合成一个274×4的静态脑功能网络连接值特征向量。

进一步地，以杏仁核为核心的动态脑功能网络特征向量，提取方法为：

首先，根据其预处理后的静息态核磁共振数据，以左外侧杏仁核、右外侧杏仁核、左内侧杏仁核、右内侧杏仁核这4个杏仁核亚区为种子点；将每个杏仁核亚区与全脑各体素的时间序列按照时间窗进行划分，计算各时间窗内的每个杏仁核亚区与全脑各体素时间序列之间的皮尔森相关系数，记为杏仁核亚区与全脑体素之间的功能连接值，从而生成4组以杏仁核亚区为种子点的动态脑功能网络时序图谱；

然后，计算每组动态脑功能网络时序图谱的时序变异系数CV：