[发明专利]基于磁共振波谱成像的乳腺肿瘤诊断系统

摘要

本发明提供一种基于磁共振波谱成像的乳腺肿瘤诊断系统，包括超导MR扫描仪和计算机系统，通过计算机辅助检测手段，实现乳腺肿瘤的早期鉴别诊断，进一步实现乳腺癌的诊断。其采用鉴别性流形学习方法对乳腺磁共振波谱数据进行学习，将其投影到低维嵌入空间，不仅可以揭示隐藏在高维磁共振波谱空间中的低维流形结构，而且有效保持乳腺磁共振波谱数据中的鉴别信息；然后利用聚类方法对低维鉴别特征进行优化聚类，使不具备同类鉴别特征的数据点得到了最大程度的分离；进一步，还引入代价敏感机制，以达到错分的总体代价最小化，实现乳腺癌的优化诊断。

主权项

1.基于磁共振波谱成像的乳腺肿瘤诊断系统，包括超导MR扫描仪和计算机系统，超导MR扫描仪将乳腺磁共振波谱数据以电子图像的计算机可识别的格式读入计算机，其特征在于，计算机执行步骤如下：a)由乳腺磁共振波谱数据生成乳腺磁共振波谱矩阵：对读入的乳腺磁共振波谱数据中每一个数据点根据其磁共振波谱生成一个向量，从而所有的磁共振波谱数据构成一个矩阵；以G表示乳腺磁共振波谱数据的二维分格，则|G|表示乳腺磁共振波谱数据中数据点的个数；以n表示数据点的磁共振波谱维数；从而，由整个乳腺磁共振波谱数据生成|G|行n列的乳腺磁共振波谱矩阵X＝{x₁，x₂，…，x_|G|}^T，其中T为矩阵转置符号；b)利用鉴别性流形学习方法对乳腺磁共振波谱数据进行维数约简，获取乳腺磁共振波谱数的低维鉴别特征；c)利用谱聚类方法对乳腺磁共振波谱数据的低维鉴别特征进行聚类，得到乳腺磁共振波谱数据中的肿瘤区域和非肿瘤区域；d)利用流形学习方法，对乳腺磁共振波谱数据中的肿瘤区域进行维数约简，获取肿瘤区域的低维鉴别特征；其具体包括：以r表示肿瘤区域中数据点的二维分格，|r|表示肿瘤区域中数据点的个数，肿瘤区域中各数据点磁共振波谱的维数为n，则肿瘤区域中的数据可表示为一个|r|行n列矩阵X_new＝{x_new，1，x_new，2，…，x_new，|r|}^T，即肿瘤区域数据矩阵，其中|r|＜|G|。然后依照步骤c)中的方法对肿瘤区域数据矩阵X_new进行维数约简，并获取肿瘤区域的低维鉴别特征Y_new；Y_new为肿瘤区域数据矩阵X_new投影到低维嵌入空间的特征矩阵，其维数为|r|×t_new，t_new＜n；e)根据先验知识得到代价敏感因子矩阵；在计算机的数据库中标注良性肿瘤磁共振波谱特征B_x以及恶性肿瘤磁共振波谱特征C_x；对肿瘤区域的低维鉴别特征Y_new中每个数据点y_new，u赋予一个代价因子m_cost，u，其中y_new，u∈Y_new，u∈{1，2，…，|r|}，代价因子m_cost，u由下式确定：其中取1＜α＜100；由元素m_cost，u构成代价敏感因子矩阵M_cost。f)利用代价敏感的聚类方法进行聚类，得到乳腺磁共振波谱数据的肿瘤区域中的良性区域和恶性区域，实现乳腺肿瘤的早期鉴别诊断；其具体包括：f1)初始化良性区域聚类中心v_new，1和恶性区域聚类中心v_new，2，由v_new，1和v_new，2构成聚类中心矩阵V_new＝{v_new，1，v_new，2}；其具体方式是，随机在肿瘤区域的低维鉴别特征Y_new中选取2个数据点y_new，i和y_new，j，分别作为良性区域聚类中心v_new，1和恶性区域聚类中心v_new，2，并确定初始代价和M_new^sum，0、最大迭代次数T_new，max和迭代截止误差ε_new；其中，y_new，i，y_new，j∈Y_new，i，j∈{1，2，…，|r|}且i≠j，10α≥Mnewsum,0≥α,]]>200≥T_new，max≥50，10^-2≥ε_new≥0；f2)分别计算肿瘤区域的低维鉴别特征Y_new中其它各数据点与两个聚类中心v_new，1和v_new，2的欧氏距离，按就近原则将各数据点归入聚类中心所代表的聚类中，完成一次聚类迭代运算；f3)经过该次迭代运算后，根据如下目标函数计算聚类后的代价和：Mnewsum=Σi=12Σu=1|r|mcost,u||ynew,u-vnew,i||2]]>然后将聚类后的代价和M_new^sum与初始代价和M_new^sum，0进行比较，计算错分代价误差ΔMnew=|Mnewsum-Mnewsum,0|,]]>若Mnewsum≤Mnewsum,0]]>且ΔM_new≤ε_new则停止迭代运算，执行步骤f5)；否则，执行步骤f4)；f4)分别计算所得两个聚类的均值数据点和并以和作为新的良性区域聚类中心v_new，1和新的恶性区域聚类中心v_new，2，并以此次聚类后的代价和M_new^sum作为新的初始代价和M_new^sum，0，重复步骤f2)和f3)，再一次进行迭代运算和良性与恶性肿瘤区域错分代价误差运算；当迭代运算次数超过最大迭代次数T_new，max，停止迭代运算，执行步骤f5)；f5)依据聚类结果，划分肿瘤区域中的良性区域和恶性区域。