[发明专利]一种基于多变量的DTI图像分析方法

摘要

本发明公开了一种基于多变量的DTI图像分析方法，用于疾病大脑机制研究中对脑部白质病变区域确认和提取，从而为临床治疗提供影像学证据，具体步骤为对数据进行预处理，包括去涡流、头动矫正、去脑壳、弥散拟合、构建白质骨架；对预处理后的数据进行特征提取,通过置换检验并以年龄为协变量得到病人组和正常人组的显著差异区域，并分别计算显著差异区域中特定变量的平均值得到特征值；用留一法进行交叉验证，判断是否满足停止条件，若不满足则计算每个特征的平均权值，并去除平均权值最小的特征，直到满足停止条件为止；最后得到的脑部区就是脑部病变区域。本发明利用DTI成像模式，通过多变量的研究方法，为临床治疗找到了病变区域提供了影像学证据。

主权项

一种基于多变量的DTI图像分析方法，包括图像数据的采集，其中，所述图像数据分为正常人组和病人组两组，通过3T的磁共振设备采集，再采用弥散加权序列得到弥散图像数据，其特征在于，所述方法还包括如下步骤：步骤1，将所述弥散图像数据进行预处理：步骤1.1，用基于Linux的FSL软件对所述弥散图像数据进行去涡流处理和头动矫正；步骤1.2，对经所述步骤1.1处理得出的图像进行去脑壳处理；步骤1.3，对经所述步骤1.2处理得出的图像进行弥散张量拟合，得出各向异性图像、平均扩散率图像、径向弥散率图像；步骤1.4，将所述各向异性图像通过非线性配准方法配准到标准空间；步骤1.5，将所有配准到标准空间的所述各向异性图像进行平均得到平均各向异性图像；步骤1.6，将所述平均各向异性图像进行骨架化，得到白质骨架；步骤1.7，将步骤1.3中得出的所述各向异性图像、平均扩散率图像、图像按个体分别投射到所述白质骨架上，得到每个个体的各向异性骨架图像、平均扩散率骨架图像和径向弥散率骨架图像；步骤2，提取步骤1得出的每个个体的所述各向异性骨架图像、平均扩散率骨架图像和径向弥散率骨架图像的特征：步骤2.1，将各个体的各向异性骨架图像、平均扩散率骨架图像、径向弥散率骨架图像分别进行逐体素置换检验并以年龄因素作为协变量得到检验后的图像；步骤2.2，将所述检验后的图像设置阈值，得到所述病人组和所述正常人组在白质骨架上各向异性值、平均扩散率值、径向弥散率值存在显著差异的区域；步骤3，对步骤2所得的存在显著差异的区域进行多变量分析：步骤3.1，分别对所述存在显著差异的区域中的各向异性值、平均扩散率值、径向弥散率值进行平均，得到所述存在显著差异的区域中的平均各向异性值、平均平均扩散率值、平均径向弥散率值；步骤3.2，基于MATLAB软件将步骤3.1中所述的平均各向异性值、平均平均扩散率值、平均径向弥散率值作为特征输入到线性支持向量机中，通过留一法对线性支持向量机进行训练，最终得出特征所在的区域，从而得到与病变有关的区域；通过留一法对线性支持向量机进行训练的具体实施步骤如下：步骤3.2.1，用n表示数据样本中的个体总数，而各个体都有m个特征量，而各个体的类属性都是已知的，即病人或正常人；将得到的数据样本分为两组，一组是测试集，包含一个个体，一组是训练集，包括除测试集中所含个体外的所有人，共n‑1个个体；步骤3.2.2，用所述训练集训练所述线性支持向量机，得出训练后支持向量机：根据以下公式计算得到权值向量w，w为一个m维列向量，其中的每个元素对应一个特征量；min12wTw+γΣi=1nξi]]>yi(wTxi+b)‑1+ξi≥0s.t. ξi≥0；其中，γ是惩罚参数，用来实现算法复杂度和错分样本数的折中；ξi测量错分程度；yi为每个人的类属性；xi为每个个体的特征向量；b为常数；步骤3.2.3，用已知类属性的所述测试集来评估所述训练后支持向量机的性能：用所述训练后支持向量机来判断所述测试集的类属性，所述训练后支持向量机会给出属性标签1或‑1，其中1为病人，‑1为正常人，通过所述训练后支持向量机得出的判断结果与所述测试集的实际类属性相比较，两者若一致，则所述训练后支持向量机分类正确，否则，则分类错误；步骤3.2.4，重新将n个个体分为测试集和训练集，所述测试集包含一个个体，且该个体与前一次测试的测试集中的个体不相同，余下的所有个体作为训练集，然后按照步骤3.2.2的方法训练所述线性支持向量机，得出训练后支持向量机，然后再按照所述步骤3.2.3的方法评估得出的所述训练后支持向量机的性能；重复步骤3.2.4n‑1次后停止；步骤3.2.5，将每个特征的n次权值求平均权值，并依据平均权值将特征由大到小进行排序，去除排序最低的特征量；步骤3.2.6，重复步骤3.2.1至步骤3.2.4，接着执行步骤3.2.7；步骤3.2.7，依据步骤3.2.6中重复步骤3.2.1至步骤3.2.4后所得出的该轮n次测试中的分类正确率和上一轮n次测试的分类正确率比较的结果判断是否停止：如果该轮n次测试的分类正确率大于或等于上一轮n次测试的分类正确率，则返回执行步骤3.2.5至步骤3.2.6，否则停止；所述病人组中的图像数据采集自神经退化类的病人。