[发明专利]一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法

说明书

一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法，针对单一模态影像信息不全面和与mTBI高度相关的特征不明确导致的目前mTBI缺乏客观辅助诊断方法的问题，融合了在TI结构像上提取的皮层体积，厚度，表面积特征和在dMRI上基于束提取的FA，MD，AD，RD，和OD，ICVF，ISOVF特征；一方面为了得到与mTBI高度相关的特征，选择FDR矫正后组间具有显著性差异的特征作为初步筛选出来的特征；另一方面为了降低特征维度使模型达到更好的拟合效果，将初步得到的特征作为逻辑回归模型的输入，最终得到权重不为0的特征训练的最优学习模型，模型泛化性能由测试集评估指标评定，通过此模型对到访者进行mTBI疾病预测，从而提供一种客观的辅助诊断方法。

技术领域

本发明涉及医学图像处理领域，具体涉及一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法。

背景技术

轻度创伤性脑损伤(mTBI)是指意识丧失不到30分钟的创伤性脑损伤，并发症包括慢性头痛、头晕、注意力不集中、易怒和冲动等。即使是专业的医护人员也普遍认为患者在创伤发生三个月内这些症状会消失，事实上20％的mTBI患者会持续伴有上述症状，这往往导致患者在损伤后没有得到及时的护理治疗。mTBI患者有较高的神经退化性疾病风险，在反复损伤的情况下容易导致慢性创伤性脑病。mTBI会改变大脑功能，从而影响长期认知、神经精神和社会功能等各个领域，患者甚至会经历自杀、抑郁和创伤后应激障碍症状。

计算机断层扫描(CT)和磁共振成像(MRI)等常规诊断成像方法对于mTBI的细微解剖结构异常缺乏敏感性。一些用于研究领域的神经成像技术可以展现与mTBI相关的结构和功能变化。Vergara等人使用组独立成分分析和静息状态网络对之间的相关性获得了基于rsFNC的特征，然后使用线性支持向量机进行分类。上述方法在采集fMRI时易受患者情绪认知等影响，使获取客观数据变得困难。Li等人基于sMRI发现在大脑中可以检测到皮层厚度和表面积的改变，这些变化与mTBI患者的白质宏观结构和微观结构完整性，功能网络连通性改变和脑血流有关。一些研究者发现DTI对患有创伤性脑损伤人群的群体水平异常具有良好的敏感性，由DTI导出的指标可以描述白质纤维束的扩散特性，并由此推断白质纤维束的方向和过程信息。迄今为止，mTBI的诊断主要依赖于患者主观的临床症状自我报告，缺乏客观的辅助诊断方法。一方面主要是因为与该疾病高度相关的影像学特征尚不明确。另一方面是因为无论是基于dMRI的方法还是基于sMRI的研究普遍使用的都是单模态影像，缺少其他模态的一些重要的信息。

发明内容

为了克服由单一模态影像信息不全面和与mTBI相关的特征不明确导致的该疾病缺乏客观辅助诊断方法的问题，本发明提出了一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法，该方法采用TI结构像和dMRI多模态数据，弥补单模态数据信息不全面的缺陷，同时也避免fMRI采集时的不足；在特征选择上，采用经过逻辑回归筛选后的mTBI与正常受试者组间具有显著性差异的特征训练模型，弥补目前关于与该疾病直接相关的特征不明确的问题，利用训练好的模型进行疾病预测可为mTBI提供一种辅助诊断方法。

本发明解决其技术问题所采用的技术方案是：

一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法，所述方法包括如下步骤：

1)提取基于T1影像的特征：每一例纳入的受试者图像包含T1图像和DTI图像，以brainetome最新的210类图谱为模板对T1数据进行皮层分割，计算获取皮层体积，厚度和表面积作为特征；