[發明專利]一種基于核磁共振影像的腦齡分析方法

有效

• 申請號: 201510413374.0
• 申請日: 2015-07-14
• 公開（公告）號: CN105046709B
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 郭圣文
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 羅觀祥

1.一種基于核磁共振影像的腦齡分析方法，其特征在于：首先，利用大腦結構影像信息，構建功能腦區與體素水平的腦結構網絡；根據大腦功能影像信號，建立功能腦區和體素水平的腦功能網絡；然后，分析大腦的結構、腦功能隨年齡增長而變化的特征和規律，以及腦網絡連接模式變化，從而得到腦結構、腦功能和腦網絡隨年齡增長而變化的差異性特征；隨之利用迭代特征增長法，選擇所需的有效特征，降低特征維數；最后，應用線性支持向量機，建立腦齡回歸模型，對腦齡進行分析；其包括以下步驟：

1)建立回歸模型

1.1)采集MR影像數據

獲取大腦結構和腦功能MR影像；

1.2)影像數據處理

包括頭動校正、配準、空間標準化、平滑處理，其中，對腦結構影像進行腦灰質與腦白質分析時，需要將腦組織分割為灰質、白質和腦脊液，腦功能影像首先還需時間層校正，再進行后續處理；

還包括腦結構和腦功能網絡構建，即利用經過預處理后的影像，應用圖論和信息論，在功能腦區或體素水平，建立腦結構和功能網絡；

1.3)特征分析與提取

在功能腦區或體素水平，應用單樣本t檢驗方法，分析腦結構、腦功能影像和腦網絡特征隨年齡的變化情況，即得到隨年齡發生顯著變化的特征；

1.4)特征降維

應用迭代特征增長法，分別對腦結構、腦功能及腦網絡特征進行降維，選擇有效特征，記錄有效特征向量的索引；其中，采用如下迭代特征增長法進行降維：

1.4.1)初始化：取n個訓練樣本的某一特征向量X₀＝[X₁,X₂,…,X_i,…X_n]^T以及對應年齡向量y＝[y₁,y₂,…,y₃,…,y_n]^T；給定每次選取的有效特征數量k，或比例r∈[0，1]，則k＝n×r；期望的總特征數量為m，其中m＝c×k,c是大于1的整數；

1.4.2)初始化特征子集索引向量s＝[1,2,…,n]，待排序特征向量X_candidate＝X₀，有效特征向量X_selected＝[]；

1.4.3)根據索引向量選定訓練樣本X＝X₀(:,s),訓練回歸模型α＝regression(X,y)，并計算權值向量w＝∑_iα_iy_iX_i，利用評分函數c(i)＝(w_i)²，按得分從高到低排序，取位列前k的特征X_sorted＝[1…k]，將其加入有效排序特征向量中，并從待排序特征向量中移出，更新有效特征向量X_selected、待排序特征向量X_candidate與索引向量s；

1.4.4)重復步驟1.4.3)直至有效特征向量的維數等于m；

1.4.5)重復步驟1.4.1)直至所有特征均完成降維處理；

1.5)回歸分析

融合降維后被選擇的腦功能、腦結構與腦網絡特征，以其作為自變量，以生理年齡作為因變量，建立二者之間的線性回歸模型，進行回歸分析；

2)腦齡分析

2.1)影像數據采集

獲取待分析對象的腦部MR結構和功能影像；

2.2)影像數據處理

包括頭動校正、配準、空間標準化、平滑處理，其中，結構影像須進行分割，功能影像首先還需時間層校正，再進行后續處理；

利用經過預處理后的影像，應用圖論和信息論，在腦區或體素水平，建立腦結構和功能網絡；

2.3)特征提取

根據步驟1.4)得到的有效特征索引向量，提取相應的腦結構、腦功能和腦網絡特征；

2.4)腦齡分析

利用步驟1.5)建立的回歸模型，以獲取的特征作為自變量，腦齡作為因變量，預測待評估對象的腦齡。

2.根據權利要求1所述的一種基于核磁共振影像的腦齡分析方法，其特征在于：在步驟1.3)中，腦結構、腦功能影像和腦網絡隨年齡的變化特征，包括腦結構影像中灰質、白質，DTI影像中的平均彌散率和各向異性分數，動脈自旋標記影像中的腦血流，fMRI的血氧水平依賴，基于靜息態fMRI的局部一致性、低頻振幅、分數低頻振幅，以及腦網絡特征中的邊連接、節點的介數中心度、度中心度，且所有特征均利用z-score方法進行歸范化。