[發明專利]基于腦網絡與腦結構信息的輕度認知障礙疾病分類方法

在審

• 申請號: 201610058578.1
• 申請日: 2016-01-28
• 公開（公告）號: CN105726026A
• 公開（公告）日: 2016-07-06
• 發明（設計）人: 李凌;韋日珍
• 申請（專利權）人: 電子科技大學
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 吳姍霖

1.一種基于腦網絡與腦結構信息的輕度認知障礙疾病分類方法，包括以下步驟：

步驟1：采集M個被試者的T1加權磁共振圖像，對所有T1加權磁共振圖像進行去除非腦組織、空間坐標標準化、場強均勻校正、組織分割、大腦皮層拓撲修正、皮層變形和大腦分割處理；大腦分割處理中將大腦皮層分割為N個腦區，得到M個被試N個腦區的皮層厚度CT＝(ct_ki)_M×N、皮層區域體積CV＝(cv_ki)_M×N、皮層區域表面積CS＝(cs_ki)_M×N，以及M個被試的皮下區域體積SV＝(sv_kp)_M×P，P為保留的皮下腦區的個數，1≤P≤40；

步驟2：構建腦網絡與提取網絡參數，主要包括以下步驟：

2-1)利用指數核函數計算第k個被試的第i個腦區和第j個腦區的皮層厚度差異值，其中，i,j＝1,2,…,N，α為核函數的寬；構建腦網絡矩陣W＝(w_kij)_M×N×N；

2-2)利用網絡稀疏程度閾值方法對W進行二值化，得到二值化矩陣B_cost＝(b_kij)_M×N×N，其中，cost＝8％～40％，步進為1％；

2-3)計算B_cost的平均聚類系數C_cost＝(C_k)_M×1,cost＝8％～40％，其中，K_ki為被試k的節點i的度，即節點i的鄰居數，E_ki為節點i的鄰居之間實際存在的邊數；根據樣本標簽將C_cost分為兩類：C_M1和C_M2，利用雙樣本t檢驗統計同一cost下C_M1和C_M2的差異值，依次計算cost＝8％～40％范圍內的所有差異值，差異值最大的cost記為cost_max；

2-4)計算cost_max下的節點度K＝(K_ki)_M×N，和節點路徑長度L＝(L_ki)_M×N，l_kij為第k個被試第i個節點和第j個節點的最短路徑長度；

步驟3：將步驟1以及步驟2得到的CT,CV,CS,SV,K,L根據樣本標簽分為兩類：D_M1和D_M2,總數據記為D=DM1DM2;]]>然后在CT,CV,CS,SV,K,L中選取任意個數的參數類型進行組合，可得到63個組合數據；對每一個組合數據采用逐步判別法進行特征變量篩選，以Wilks’lambda方法為判別準則，以F值大小作為變量引入和剔除標準，若F＜F_a，則剔除該變量，若F＞F_b，則引入該變量，并將最后引入的變量作為所選擇特征；

步驟4：將步驟3采用逐步判別法所選出的特征中出現次數最多的前十個特征作為分類特征；

步驟5：基于步驟4得到的分類特征采用基于徑向基核函數的支持向量機進行分類。

2.根據權利要求1所述的基于腦網絡與腦結構信息的輕度認知障礙疾病分類方法，其特征在于，步驟1所述將大腦皮層分割為N個腦區時，可依據Desikan模板分割為68個腦區；或者AAL大腦分割模板分割為90個腦區；或者無標準模板，根據具體需求確定大腦分割數目。

3.根據權利要求1所述的基于腦網絡與腦結構信息的輕度認知障礙疾病分類方法，其特征在于，步驟5的具體過程為：將M個被試者中90％的樣本作為訓練集，10％的樣本作為測試集，基于步驟4得到的分類特征對訓練集樣本采用10折交叉驗證進行分類器參數尋優，建立分類模型，并利用訓練好的模型進行測試；隨機打亂樣本，重復訓練與測試若干次，獲取最后的平均分類效果。