[發明專利]基于集成學習的大腦功能影像定位方法

有效

• 申請號: 201711335659.2
• 申請日: 2017-12-14
• 公開（公告）號: CN108013933B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 馮建峰;羅強;王岱;羅畯義;公維康
• 申請（專利權）人: 復旦大學
• 主分類號: A61B34/10
• 分類號: A61B34/10;A61B5/055
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 胡劍輝

1.基于集成學習的大腦功能影像定位方法，其特征在于，具體包括以下步驟：

步驟S1，采用靜息態功能磁共振技術獲取腦功能區膠質瘤患者指定時間內的靜息態功能影像及高精度結構影像；

步驟S2，對步驟S1中獲取的影像數據集采取多項預處理；

步驟S3，將大腦劃分為若干功能腦區；

步驟S4，針對每個功能腦區，利用彈性網絡統計模型進行對側功能連接特征選擇和對側功能連接模式定位分類器訓練，在訓練集上，針對每個腦功能區膠質瘤患者個體的每個功能腦區分別訓練一個對側定位分類器，構建每個功能腦區的弱分類器模型庫；

步驟S5，對于新來的腦功能區膠質瘤患者數據，將任一功能腦區的弱分類器模型庫中的所有弱分類器應用于該患者個體數據，得到對該功能腦區的若干定位結果；

步驟S6，計算新來的腦功能區膠質瘤患者數據和弱分類器訓練個體數據的相似度，利用計算獲得的相似度，對所有彈性網絡弱分類器的預測結果進行個體化集成；

步驟S7，根據腦功能區膠質瘤患者腫瘤附近每個體素在不同功能腦區對應的集成模型評分，將評分轉換成在對應功能腦區的排序，將排序最高的功能腦區標簽賦給當前體素，實現大腦功能區的個體化定位。

2.根據權利要求1所述的基于集成學習的大腦功能影像定位方法，其特征在于，在所述步驟S1的掃描過程中，每個掃描包括248個連續的EPI功能圖像，其掃描參數設置如下：

33axialslices,repetitiontime(TR)＝2000ms,echotime(TE)＝30ms,thickness/skip＝4/0mm,fieldofview(FOV)＝192×192mm,matrix＝64×64mm,flipangle＝90°。

3.根據權利要求1所述的基于集成學習的大腦功能影像定位方法，其特征在于，所述步驟S2中的多項預處理包括去除時間點、掃描層時間校正、頭動校正，映射到標準化空間，去趨勢項，帶通濾波以及Scrubbing。

4.根據權利要求3所述的基于集成學習的大腦功能影像定位方法，其特征在于，所述頭動校正采用6個參數的剛體變換來校正不同TR間的頭動差異，將大于3mm或3degree的腦功能區膠質瘤患者數據作為無用數據剔除，并使用waveletdespiking消除突發性頭動對功能信號的影響。

5.根據權利要求3所述的基于集成學習的大腦功能影像定位方法，其特征在于，所述映射到標準化空間時，通過腫瘤蒙版去除腫瘤對于標準化的影響，將患者未受到腫瘤影像的健康側大腦映射到標準空間。

6.根據權利要求1所述的基于集成學習的大腦功能影像定位方法，其特征在于，所述步驟S3中，按照多種任務態共激活計算所得的任務態模板，將大腦初步劃分為193個功能腦區。