[發(fā)明專利]一種基于腦核磁共振圖像多維度紋理建立預(yù)測(cè)模型的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410023582.5
• 申請(qǐng)日: 2014-01-17
• 公開（公告）號(hào): CN103793908A
• 公開（公告）日: 2014-05-14
• 發(fā)明（設(shè)計(jì)）人: 郭秀花;高妮;王晶晶;羅艷俠;郭晉
• 申請(qǐng)（專利權(quán)）人: 首都醫(yī)科大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06F19/00
• 代理公司: 北京市商泰律師事務(wù)所 11255
• 代理人: 毛燕生

技術(shù)領(lǐng)域：

本發(fā)明屬于醫(yī)學(xué)技術(shù)領(lǐng)域，具體涉及一種基于核磁共振圖像多維度紋理提取的建立預(yù)測(cè)模型的方法。

背景技術(shù)：

在輔助診斷早期阿爾茨海默病（AD）中，識(shí)別MRI圖像中ROIs（包括內(nèi)嗅皮層，海馬）的性質(zhì)具有重要意義。但MRI影像技術(shù)只能以海馬萎縮作為區(qū)別患者和正常人的指標(biāo)之一，醫(yī)生對(duì)MRI圖像的解釋易受主觀個(gè)人影響，缺乏一致性，且不易準(zhǔn)確評(píng)價(jià)癡呆患者癥狀的嚴(yán)重程度。

1、現(xiàn)有的圖像處理技術(shù)；

Contourlet變換

Contourlet變換繼承了Curvelet變換的各向異性尺度關(guān)系,在一定意義上它是Curvelet變換的另一種實(shí)現(xiàn)方式。Contourlet變換的基本思想是首先用一個(gè)類似小波的多尺度分解捕捉邊緣奇異點(diǎn),再根據(jù)方向信息將位置相近的奇異點(diǎn)匯集成輪廓段。

Contourlet變換可分為兩個(gè)部分：拉普拉斯塔式濾波器結(jié)構(gòu)(Laplacian?Pyramid,LP)和二維方向?yàn)V波器組(Directional?Filter?Bank,DFB)。LP分解首先產(chǎn)生原始信號(hào)的一個(gè)低通采樣逼近及原始圖像與低通預(yù)測(cè)圖像之間的一個(gè)差值圖像,對(duì)得到的低通圖像繼續(xù)分解得到下一層的低通圖像和差值圖像,如此逐步濾波得到圖像的多分辨率分解；DFB濾波器組使用扇形結(jié)構(gòu)的共軛鏡像濾波器組以避免對(duì)輸入信號(hào)的調(diào)制,同時(shí)將1層二叉樹狀結(jié)構(gòu)的方向?yàn)V波器變成了21個(gè)并行通道的結(jié)構(gòu)。

Contourlet變換是一種新的圖像二維表示方法，具有多分辨率、局部定位、多方向性、近鄰界采樣和各向異性等性質(zhì)，其基函數(shù)分布于多尺度、多方向上，少量系數(shù)即可有效地捕捉圖像中的邊緣輪廓，而邊緣輪廓正是圖像中的主要特征。

但是這些新方法在處理不同部位的MRI圖像時(shí)，需要利用基函數(shù)重新構(gòu)造新算法、選取適宜的參數(shù)，因此仍有許多理論問題值得研究。Contourlet變換已經(jīng)成功地用于圖像融合等實(shí)際問題，而用于腦部圖像紋理特征提取的文獻(xiàn)報(bào)道鳳毛麟角。目前尚未見有人使用第二代小波變換以及Contourlet變換進(jìn)行AD腦部MRI圖像紋理提取。

2、現(xiàn)有常用的預(yù)測(cè)模型包括有監(jiān)督機(jī)器學(xué)習(xí)模型和半監(jiān)督機(jī)器學(xué)習(xí)模型：

（1）有監(jiān)督機(jī)器學(xué)習(xí)模型：

1）高斯過程(Gaussian?Processes,GP):

高斯過程分類算法是一類有監(jiān)督學(xué)習(xí)算法，它建立在貝葉斯框架下，最早被用于解決非線性實(shí)值預(yù)測(cè)問題。假定有數(shù)據(jù)集D＝{(x_i,y_i)|y_i＝±1,i＝1,2,…,n},二分類問題本質(zhì)就是要在泛函空間F中尋找一個(gè)合適的映射f(x)，使得利用y＝f(x)能夠?qū)颖具M(jìn)行正確的分類，利用高斯回歸算法進(jìn)行分類的基本思想就是在f(x)為高斯過程的假設(shè)下，以貝葉斯準(zhǔn)則中的后驗(yàn)概率最大化為目標(biāo)，尋找合適的f(x)。首先假設(shè)存在一個(gè)隱函數(shù)f(x)＝φ(x)^Tw定義了輸入屬性和輸出屬性（類標(biāo)簽）之間的映射關(guān)系。同時(shí)假定類標(biāo)簽獨(dú)立同分布，且服從條件概率p(y|f(x))，則對(duì)于二分類問題，樣本x_i屬于類別y_i的概率為：

p(y_i|f_i)＝σ(y_if_i)

其中f_i＝f(x_i)為隱函數(shù)，σ(·)為Sigmoid類函數(shù)，如Logistic函數(shù)或累積高斯函數(shù)。由于訓(xùn)練樣本相互獨(dú)立，因此對(duì)應(yīng)的似然概率是：