[發明專利]腦網絡多頻融合圖核的阿爾茨海默病輔助診斷裝置及方法

有效

• 申請號: 201810930199.6
• 申請日: 2018-08-15
• 公開（公告）號: CN109034263B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 信俊昌;汪新蕾;陳金義;王中陽;王司亓;盧思成
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T11/00;G16H50/20
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 劉曉嵐

1.一種腦網絡多頻融合圖核的阿爾茨海默病輔助診斷裝置，其特征在于：包括圖像預處理模塊、圖像分頻模塊、圖核生成模塊、圖核融合模塊以及輔助診斷模塊；所述圖像預處理模塊將功能核磁共振圖像進行預處理，并將其傳送到圖像分頻模塊；所述圖像分頻模塊將功能核磁共振圖像與具有90個腦區的AAL模板進行匹配，使預處理后的功能核磁共振圖像包括90個感興趣區域，并對匹配后的圖像進行分頻處理；所述圖核生成模塊對分頻后的圖像構建多頻腦網絡，然后計算每個頻段腦網絡之間的圖核，并將每個頻段中所有腦網絡之間的圖核形成一個矩陣；所述圖核融合模塊為每個頻段的圖核分配權值，然后將所有頻段得到的圖核融合成為一個圖核；所述輔助診斷模塊將融合的圖核與核極限學習機結合，并進行數據訓練，最終實現對阿爾茨海默病的診斷；

所述圖像預處理模塊包括依次連接的時間片校正器、頭動校正器和平滑降噪器；所述時間片校正器用于將輸入的功能核磁圖像進行時間片校正，得到一系列功能核磁共振圖像(I₀，I_-1，I_-2，...，I_-i-1)；所述頭動校正器用于將時間片校正后的功能核磁共振圖像進行頭動校正，得到一系列功能核磁共振圖像(H₀，H_-1，H_-2，...，H_-i-1)；所述平滑降噪器用于將頭動校正后的功能核磁共振圖像進行平滑降噪，得到一系列功能核磁共振圖像(S₀，S_-1，S_-2，...，S_-i-1)；

所述圖像分頻模塊包括模板匹配器和圖像分頻器；所述模板匹配器用于將預處理后功能核磁共振圖像與90個腦區的標準AAL模板進行匹配得到匹配后的圖像(A₀，A_-1，A_-2，...，A_-i-1)；所述圖像分頻器用于將匹配后的所有功能核磁共振圖像進行分頻處理，每個圖像得到了K個分頻后的圖像(F_-1，F_-2，...，F_-K)；

所述圖核生成模塊包括互信息計算器、腦網絡構建器、圖核器和圖核矩陣生成器；所述互信息計算器計算分頻后的功能核磁共振圖像上任意兩個腦區之間的互信息以表示腦區間的關聯性；所述腦網絡構建器通過計算的互信息值將分頻后的n幅圖像構建腦網絡得到K個頻段的腦網絡

所述圖核器對對應頻段下的任意兩個腦網絡計算圖核，由此得到一系列圖核所述圖核矩陣生成器用于將每個頻段下所有的圖核組合成一個矩陣，由此得到了K個頻段下的圖核矩陣(X_-1，X_-2，...，X_-K)；

所述圖核融合模塊包括權值生成器和圖核融合器；所述權值生成器利用多核學習的方法對每個頻段的圖核矩陣分配權值；所述圖核融合器根據每個頻段下分配的權值通過線性組合的方式對圖核進行融合，由此得到了多頻融合圖核X；

所述輔助診斷模塊包括數據訓練器和輔助診斷器；所述數據訓練器在核極限學習機分類中，用圖核構成的矩陣替換核極限學習機的核函數并進行對功能核磁共振圖像數據的訓練；所述輔助診斷器利用核極限學習機的原理及訓練后的數據，實現在核極限學習機上對阿爾茨海默病的輔助診斷。

2.采用權利要求1所述的腦網絡多頻融合圖核的阿爾茨海默病輔助診斷裝置進行阿爾茨海默病輔助診斷的方法，其特征在于：包括以下步驟：

步驟1、圖像預處理模塊對輸入的功能核磁共振圖像進行預處理，得到包含90個腦區的圖像；

輸入的功能核磁共振圖像通過時間片校正器得到圖像(I_-1,I_-2,…,I_-i,I_-i-1)，然后對時間片校正后的圖像通過頭動校正器，得到圖像(H₀,H_-1,H_-2,…,H_-i-1)，然后將其通過平滑降噪器得到圖像(S₀,S_-1,…,S_-i-1)，最后通過模板匹配器得到圖像(A₀,A_-1,A_-2,…,A_-i-1)；

步驟1.1、將功能磁共振圖像通過時間片校正器得到(I_-1,I_-2,…,I_-i,I_-i-1)；

步驟1.2、對時間片校正器輸出的圖像進行頭動校正，通過頭動校正器得到(H₀,H_-1,H_-2,…,H_-i-1)；

步驟1.3、對頭動校正器輸出的圖像進行濾波處理，通過平滑降噪器得到(S₀,S_-1,S_-2,…,S_-i-1)；

步驟1.4、對平滑降噪器輸出的圖像與AAL模板進行匹配，得到包含90個腦區的圖像(A₀,A_-1,A_-2,…,A_-i-1)；

步驟2、通過預處理后的圖像構建腦功能網絡；

步驟2.1、將處理后的圖像通過圖像分頻器，將圖像分為K個頻段，得到(F_-1,F_-2,…,F_-K)；

步驟2.2、通過互信息計算器計算分頻后的圖像上任意兩個腦區之間的互信息；

步驟2.3、對分頻后每個頻段的圖像依次通過腦網絡構建器，構造腦功能網絡，得到

步驟3、對分頻構造出的腦功能網絡計算圖核，并最終得到多頻融合圖核；

步驟3.1、將每個頻段的腦網絡通過圖核器，得到每個頻段下任意兩個圖像之間的圖核

步驟3.2、將每個頻段下計算出的所有圖核通過圖核矩陣生成器，得到K個頻段下的圖核矩陣(X_-1,X_-2,…,X_-K)；

步驟3.3、將K個頻段的圖核矩陣通過權值生成器，為每個頻段下的圖核生成一個權值；

步驟3.4、將生成權值后的圖核矩陣通過圖核融合器，將所有頻段的圖核融合成為一個圖核矩陣X，得到多頻融合圖核；

步驟4、運用生成的多頻融合圖核實現對阿爾茨海默病進行輔助診斷；

步驟4.1、利用得到的多頻融合圖核與核極限學習機結合并通過數據訓練器進行阿爾茨海默病是否患病的訓練；

步驟4.2、利用訓練的數據并通過輔助診斷器實現阿爾茨海默病的輔助診斷。