[发明专利]基于脑核磁共振图像的多维特征分类方法

摘要

本发明公开基于脑MR图像的多维特征分类方法，对脑MR图像进行区域划分提取若干个ROI特征；选择一种标记特征，建立关于该标记特征的若干个ROI特征之间的相关性形成相关特征；若干个脑MR图像提取出若干个ROI特征以及若干个相关特征形成ROI特征集合和相关特征集合；通过混合特征算法对ROI特征集合和相关特征集合分别选择最优ROI特征子集和最优相关特征子集；设置ROI特征在分类器中功能比例的权重因子，通过权重因子及多核SVM模型整合最优ROI特征子集、最优相关特征子集形成多核分类器。本发明获得高维特征、可同时分析相关疾病引起的局部该改变和功能连接改变，分类准确性高，可辅助诊断不同疾病。

主权项

1.一种基于脑核磁共振图像的多维特征分类方法，其特征在于，包括以下步骤：对一个脑核磁共振图像进行区域划分以提取若干个ROI特征，一个所述ROI特征包括对一个所述脑核磁共振图像进行标记的若干种类的标记特征；选择一种所述标记特征，建立关于一种所述标记特征的若干个所述ROI特征之间的相关性，形成相关特征；若干个所述脑核磁共振图像提取出若干个所述ROI特征以及若干个所述相关特征，分别形成ROI特征集合和相关特征集合；通过混合特征算法对所述ROI特征集合和所述相关特征集合分别进行特征选择，选择出最优ROI特征子集和最优相关特征子集；设置所述ROI特征相对于所述相关特征在分类器中功能比例的权重因子，通过所述权重因子以及多核SVM模型整合所述最优ROI特征子集、所述最优相关特征子集，形成多核分类器；其中，所述混合特征算法包括对所述ROI特征集合和所述相关特征集合依次进行特征选择的第一过滤特征选择算法、第二过滤特征选择算法以及封装特征选择算法；所述第一过滤特征选择算法用于减少特征数量；所述第二过滤特征选择算法为最小冗余最大相关特征选择方法，获取最优特征子集；所述封装特征选择算法为基于支持向量机的递归特征消除算法，获取进一步优化的最优特征子集。