[發明專利]一種基于多尺度網格曲面形狀特征的阿爾茨海默病腦皮層自動分類方法

在審

• 申請號: 201410334011.3
• 申請日: 2014-07-11
• 公開（公告）號: CN104102839A
• 公開（公告）日: 2014-10-15
• 發明（設計）人: 閆允一;劉汝翠;何玉杰;郭寶龍;孟繁杰
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于醫學圖像處理技術領域，尤其是涉及一種基于多尺度網格曲面形狀特征的阿爾茨海默病腦皮層自動分類方法，該方法可以利用腦皮層的形狀特征檢測阿爾茨海默病病例，具有臨床輔助診斷的作用。

背景技術

隨著人口老齡化問題的日益突出，關注老年人生存質量，關注包括阿爾茨海默病(Alzheimer’s?Disease，AD)在內的老年疾病，探索認識、預防和治療此類疾病的新方法和新手段對提高社會的整體生活質量有實際價值。

AD的成因復雜，發展過程是漸進的，并且臨床表現各異，特別是早期并沒有明顯的臨床癥狀，在成像技術成熟以前，AD只有等到患者去世后對其進行腦部解剖才能確診。腦部磁共振成像(Magnetic?Resonance?Imaging，MRI)技術已經可以獲得較好空間分辨率(典型值1×1×1毫米)的三維大腦內部圖像，從而為非侵入式地研究AD患者的大腦形態與疾病之間的關系提供了數據基礎。因而采用MRI進行腦部掃描，提取具有預測或者指示性的特征，進而自動地完成診斷分類，已成為重要的輔助診斷措施。

現有的基于MRI的AD病例分類方法主要包括以下兩類：

1、基于全腦的分類方法：典型代表為基于體素(voxel-based)或皮層厚度(cortical?thickness)的分類方法，然而在基于體素的框架下，選擇更多的特征并不能提升分類性能但卻明顯地增加了計算時間，而且年齡較大的NC組病例(正常老化)和較年輕的AD病人很容易被混淆和誤判。而皮層厚度方法不可避免地涉及到組織分割或者功能結構分割，由于存在較大的個體差異，該方法對分割算法的精度和操作者的經驗和耐心都是極大的挑戰，并且不具備多尺度特性，可能存在遺漏某個尺度上的差異；

2、基于感興趣區域的分類方法：比如基于海馬體和顳葉局部區域的分類方法，涉及到組織分割和功能結構分割，因此與皮層厚度方法類似，該方法同樣容易受到組織分割精度和絕對觀測值誤差的影響。

發明內容

本發明的目的是針對上述已有技術的不足，提出一種基于多尺度網格曲面形狀特征的阿爾茨海默病腦皮層自動分類方法，以克服常用AD腦皮層分類方法的易受皮質分割誤差影響和可能存在某個尺度上的差異遺漏的缺點，實現多尺度的阿爾茨海默病樣本分類。

為解決上述技術問題，本發明的技術方案是：

一種基于多尺度網格曲面形狀特征的阿爾茨海默病腦皮層自動分類方法，從形態學的角度，在多個尺度上分析正常人(NC)和阿爾茨海默病(AD)的腦皮層形狀特征具有顯著統計學差異的區域，采用基于種子點選擇和區域生長準則的方法對每個樣本進行穩定特征提取，使用訓練集數據訓練分類器，從而實現兩組樣本的分類，包括如下步驟：

(1)按臨床醫學診斷標準，分別采集正常人對照組(NC)和阿爾茨海默病組(AD)的大腦磁共振圖像，兩組樣本的數目相等或接近，并從兩組樣本中等比例地選擇一部分樣本用作訓練集，剩余的作為測試集；

(2)針對所有樣本的大腦核磁共振圖像，經過圖像強度矯正、配準至標準腦、灰質/白質/腦脊液分割、腦皮層表面提取與配準、頂點采樣等過程得到各樣本腦皮層的各尺度三角網格曲面G_j(1≤j≤L)，j稱為網格曲面G_j的尺度，且G_L為最精細網格曲面，G₀為最粗糙網格曲面；

(3)記第j級三角網格曲面G_j中任意頂點為p，定義頂點p的1-環鄰域內的頂點構成的集合為E_p，并用集合E_p內的所有頂點構造一個平面f_p，記頂點p到該平面f_p的距離為頂點p的局部點面距離d_p；

(4)計算各尺度網格上頂點p的局部點面距離d_p和該頂點的平均曲率c_p，并用半高全寬半徑為10毫米的擴散核函數對d_p和c_p分別進行平滑，得到平滑后的局部點面距離d′_p和平均曲率c′_p；