[发明专利]一种基于二维特征和三维特征融合的阿尔茨海默病及轻度认知功能障碍识别方法

摘要

本发明提出了一种基于三维形态学特征和二维纹理特征的阿尔茨海默病及轻度认知功能障碍计算机辅助识别方法，具体包括：1)对医学图像进行预处理，包括预分割和配准等过程；2)对医学图像进行二维纹理特征提取，包括灰度共生矩阵的二次统计量和Gabor小波变换的多尺度多方向特征值；3)对医学图像进行三维形态学特征提取，即提取感兴趣区域的体积特征；4)对三维形态学特征和二维纹理特征进行特征融合；5)构建支持向量机分类器实现对阿尔茨海默病和轻度认知功能障碍的识别。本发明将三维形态学特征和二维纹理特征结合，能够更加全面准确地表达医学图像的内容，所以该方法能够提高对阿尔茨海默病和轻度认知功能障碍的识别，从而提供更有效的临床辅助诊断。

主权项

一种基于二维纹理特征和三维形态学特征结合的阿尔茨海默病和轻度认知功能障碍的识别方法，包括以下步骤：步骤一：对多个样本个体对应的结构磁共振图像进行预处理，采用基于体素的脑形态学方法和通过取幂李代数的微分同胚解剖配准方法，包括配准到标准空间，去除非脑组织和预分割为脑白质、脑白质以及脑脊液三部分等过程；步骤二：选取每个样本的二维图像横断面序列图像，针对每幅图像，构建不同方向和尺度的多个Gabor滤波器，然后提取系数幅度序列的均值及其标准方差作为特征值，以及构建多个灰度共生矩阵，提取能量，对比度，相关度，以及熵作为特征值；利用二维图像序列及其二维序列的位置信息，按其空间位置关系进行曲面重建，使用双样本T检验对其进行统计分析，将样本之间的脑区体积和密度的显著差异区作为感兴趣区域，提取每个样本的所有感兴趣区域的体积参数作为三维形态学特征；步骤三：以上提取的特征信息均采用特征向量表示，然后利用主成分分析法对上述提取的所有特征向量进行特征级融合，作为每个样本的多维特征向量；步骤四：将样本分为训练集和测试集，选择径向基核函数的支持向量机(SVM)，用训练集的特征向量对SVM分类器进行训练，训练完成后，将测试集的特征向量输入SVM分类器，最后评价测试结果。