[发明专利]基于脑功能网络特征对早晚期轻度认知障碍的分类装置

摘要

本发明公开了一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法及装置，属于医学影像图像处理技术领域。本发明首先对样本数据进行预处理和提取多个脑区时间序列，采用皮尔逊相关计算脑区时间序列之间的相关系数构建脑功能网络，计算脑网络参数。其次采用逐步分析方法提取特征，并训练二分分类器，对待分类的静息态功能磁共振数据提取对应的特征向量并输入训练好的二分分类器，得到对医学影像图像分类结果。与现有方法相比，本发明的分类准确率、敏感性和特异性更好。

主权项

一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法，其特征在于，包括下列步骤：步骤1：对采集的静息态功能磁共振数据进行预处理得到训练样本；步骤2：对训练样本进行脑网络特征提取：201：选择待提取的脑区，并分别提取每个脑区的时间序列的均值作为每个脑区的脑网络节点，得到M个脑网络节点构成的脑区网络节点集合V，其中M为脑区数；202：计算任意两个脑网络节点的相关系数其中i、j表示脑网络节点区分符，ti、tj分别表示脑网络节点i、j的时间序列的元素，分别表示脑网络节点i、j的时间序列的均值，n为训练样本标识符；203：设置两个脑网络节点i和j间的连通性：若相关系数rn(i,j)大于或等于预设阈值γ，则脑网络节点i和j间为连通；否则为不连通；204：基于脑网络节点间的连通性，提取每个训练样本的脑网络特征集合{K，B,L}：计算每个脑网络节点的节点连接数Ki，由M个脑网络节点的节点连接数Ki得到脑区网络节点度集合K；计算每个脑网络节点的中心度其中Sjm表示脑网络节点m和j之间存在的最短路径个数，Sjm(i)表示脑网络节点m和j中最短路径经过节点i的个数，由M个脑网络节点的中心度得到脑区网络节点中心度集合B；计算从脑网络节点i到脑网络节点j的最短路径数Lij，其中j≠i∈V，得到脑网络节点i的节点路径长度|V|表示集合V的数目，由M个节点路径长度Li得到脑区网络节点路径长度集合L；步骤3：提取训练样本的特征向量：对每个训练样本的每个脑区的脑网络特征Ki、Bi和Li，对所有脑区的三类脑网络特征进行随机组合，得到7种组合数据；对每个训练样本的每种组合数据采用逐步分析方法进行特征筛选，并记录每一个组合所选择的特征标号，得到组合选择特征集其中k为训练样本标识符，c为组合方式标识符；所述特征标号包括脑区标识符和脑网络特征类别标识符；统计所有组合中各特征标号的出现概率，取出现概率最大的前Tth个特征标号所对应的脑网络特征作为每个训练样本的特征向量，其中阈值Tth为预设值；步骤4：分别对各训练样本的特征向量进行归一化预处理后，训练用于区分早期和晚期轻度认知障碍的二分分类器；步骤5：输入待分类的静息态功能磁共振数据，并采用提取训练样本的特征向量相同的方式，提取待分类的静息态功能磁共振数据的特征向量；对提取的特征向量进行归一化预处理后输入所述二分分类器得到分类结果。