[发明专利]一种基于无监督模糊系统的脑功能磁共振图像分类方法

摘要

本发明公开了一种基于无监督模糊系统的脑功能磁共振图像分类方法，它涉及自闭症计算机辅助诊断技术领域。其步骤为：采集静息状态下的功能磁共振成像数据并进行预处理，选择AAL模板将大脑皮层分区，提取每个脑区的平均时间序列信号，使用皮尔逊相关系数计算得到低阶功能连接矩阵；基于低阶功能连接矩阵计算皮尔逊相关系数得到高阶功能连接矩阵，将每个对象的低阶和高阶脑功能连接矩阵分别拉直，使用基于流形正则化约束的无监督模糊系统进行降维，对降维后的低阶和高阶功能连接矩阵进行线性组合，使用SVM进行分类。本发明对静息态脑功能磁共振图像进行分类，将其应用于自闭症的计算机辅助诊断中，分类准确率高、泛化性能好、可解释性强。

主权项

1.一种基于无监督模糊系统的脑功能磁共振图像分类方法，其特征在于其步骤为：步骤S1：采集静息状态下的功能磁共振成像数据并进行预处理，选择AAL模板将大脑分成116个脑区，提取每个脑区的平均时间序列信号；步骤S2：基于每个对象各脑区的平均时间序列，计算脑区之间的皮尔逊相关系数，得到低阶功能连接矩阵将低阶功能连接矩阵的每一行作为各个脑区的特征描述，再次计算脑区之间的皮尔逊相关系数，得到高阶功能连接矩阵步骤S3：取矩阵的上三角阵，按行串联形成新的特征向量；把每个对象的低阶功能连接矩阵进行上述处理后得到的特征向量进行排列，形成新的矩阵，根据各特征与类标的相关性选择D个特征，构成矩阵其中为训练集中第i个样本；对每个对象的高阶功能连接矩阵也进行相同的操作，得到新的矩阵其中为训练集中第i个样本；步骤S4：使用无监督模糊系统对矩阵和分别进行特征学习，得到变换矩阵β^l和β^h；使用公式和计算得到低维空间中的低阶嵌入矩阵和高阶嵌入矩阵步骤S5：基于步骤S4得到的低维嵌入矩阵和使用公式(1)和(2)分别计算核矩阵和使用公式(3)对它们进行线性组合，计算出复合核矩阵Ktr；其中，θ1和θ2是训练核矩阵的组合系数，满足θ1+θ2＝1。步骤S6：基于步骤S5得到的复合核矩阵Ktr构造出SVM分类器；步骤S7：对于新的测试样本集，经过S1‑S3步骤的处理，分别得到相应的矩阵和使用步骤S4得到的变换矩阵β^l和β^h根据公式和分别计算得到低阶嵌入矩阵和高阶嵌入矩阵将其分别和训练样本的嵌入矩阵和使用公式(4)和(5)分别计算核矩阵和然后采用步骤S5中相同的组合系数θ1和θ2，根据公式(6)计算得到复合核矩阵Kte：最后构造如公式(7)定义的决策函数来预测测试样本的类标：。