[發(fā)明專利]一種基于權(quán)值分布的閾值化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910452319.0
• 申請(qǐng)日: 2019-05-28
• 公開（公告）號(hào): CN110211671B
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 接標(biāo);王正東;卞維新;丁新濤;周文;左開中;陳付龍;羅永龍
• 申請(qǐng)（專利權(quán)）人: 安徽師范大學(xué)
• 主分類號(hào): G16H30/20
• 分類號(hào): G16H30/20;G06K9/32;G06K9/62
• 代理公司: 蕪湖安匯知識(shí)產(chǎn)權(quán)代理有限公司 34107
• 代理人: 鐘雪

本發(fā)明適用于機(jī)器學(xué)習(xí)與醫(yī)學(xué)影像處理技術(shù)領(lǐng)域，提供了一種基于權(quán)值分布的閾值化方法，具體包括如下步驟：S1、基于類標(biāo)簽將訓(xùn)練集樣本分為兩個(gè)樣本組，即病人組和正常人組；S2、針對(duì)兩個(gè)樣本組中所有樣本，將各腦區(qū)時(shí)間序列間的Pearson相關(guān)系數(shù)作為其連接權(quán)重，構(gòu)建腦網(wǎng)絡(luò)鄰接矩陣；S3、基于兩樣本組的功能連接分布差異，針對(duì)每個(gè)腦區(qū)對(duì)構(gòu)建一個(gè)閾值。通過對(duì)網(wǎng)絡(luò)中每個(gè)功能連接，利用其權(quán)重分布自適應(yīng)的構(gòu)建一個(gè)最佳閾值，對(duì)不同腦區(qū)間的功能連接構(gòu)建不同閾值，對(duì)整個(gè)腦網(wǎng)絡(luò)構(gòu)建了閾值矩陣，用于閾值化腦網(wǎng)絡(luò)，從而保留了不同腦區(qū)間功能連接的多樣性，解決了單一閾值或百分比方法的不足。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)與醫(yī)學(xué)影像處理技術(shù)領(lǐng)域，提供了一種基于權(quán)值分布的閾值化方法。

背景技術(shù)

目前研究結(jié)果表明，人體大腦是基于各個(gè)腦區(qū)劃分功能性連接的一個(gè)復(fù)雜系統(tǒng)。通常將其抽象成腦網(wǎng)絡(luò)，即由各個(gè)腦區(qū)構(gòu)成各個(gè)網(wǎng)絡(luò)的頂點(diǎn)，各個(gè)腦區(qū)連接強(qiáng)度組成腦網(wǎng)絡(luò)的邊。腦網(wǎng)絡(luò)分析為人類探索腦組織結(jié)構(gòu)功能與預(yù)測(cè)一些腦部疾病導(dǎo)致結(jié)構(gòu)與功能上的一些差異提供了一個(gè)有效的途徑。目前已經(jīng)有研究人員對(duì)阿爾茲海默癥(Alzheimer’sdisease，AD)以及前期病癥輕度認(rèn)知障礙(Mild cognitive impairment，MCI)、注意力缺陷多動(dòng)癥(Attention Deficit Hyperactivity Disorder，ADHD)等腦部疾病展開了相關(guān)的研究。

目前，機(jī)器學(xué)習(xí)方法已經(jīng)應(yīng)用到醫(yī)學(xué)圖像處理領(lǐng)域，研究人員基于現(xiàn)代核磁共振成像(magnetic resonance imaging，MRI)數(shù)據(jù)已經(jīng)提出很多腦網(wǎng)絡(luò)分析方法。在分析過程中，其中閾值化為腦網(wǎng)絡(luò)表示中的一個(gè)重要步驟，但目前主流方法主要可為(1)單一閾值方法；(2)百分比方法。前者是基于給定的閾值來閾值化整個(gè)腦網(wǎng)絡(luò)，而后者則首先將功能連接根據(jù)權(quán)重值進(jìn)行排序，而后選擇一定百分比的功能連接。

目前，領(lǐng)域研究閾值確定方法都是基于上述兩大類方法，給予一定的改進(jìn)或者變化。比如基于單一閾值的多元時(shí)間序列表示的功能網(wǎng)絡(luò)優(yōu)化，功能性腦網(wǎng)絡(luò)(不)穩(wěn)定性跨域值度量等。這些方法都是在取值過程中對(duì)閾值獲取過程進(jìn)行優(yōu)化，但最終確定的閾值都是唯一的。即在同一個(gè)網(wǎng)絡(luò)中只用先前確定的閾值進(jìn)行處理。單一閾值的處理方式在一定程度上限制了整個(gè)網(wǎng)絡(luò)的連接性質(zhì)，對(duì)于給定n個(gè)腦區(qū)，對(duì)于全連接網(wǎng)絡(luò)來說有邊數(shù)n(n-1)/2條，即實(shí)際上以一個(gè)閾值去衡量整個(gè)網(wǎng)絡(luò)的連接權(quán)值，這樣在實(shí)際場(chǎng)景中不合理，因?yàn)椴煌X區(qū)間連接權(quán)重都有其各自的連接強(qiáng)弱，固定的單一閾值可能會(huì)造成強(qiáng)連接的差異性被忽略。而采用一定百分比來稀疏化腦網(wǎng)絡(luò)的方法是對(duì)整體功能性腦網(wǎng)絡(luò)連接權(quán)重排序按照從高到低依次采用1％～99％的比重閾值化網(wǎng)絡(luò)，即依次使用此范圍內(nèi)的權(quán)重進(jìn)行閾值化，這種方法仍然忽略掉連接強(qiáng)度之間(特別是強(qiáng)連接權(quán)重之間)多樣性。另外，對(duì)單一閾值或按比例稀疏的方法，仍然沒有一個(gè)好的標(biāo)準(zhǔn)去確定或定義閾值或比例。在實(shí)踐中，通常嘗試所有可能值來探索一個(gè)最優(yōu)閾值或比例，這極大浪費(fèi)計(jì)算代價(jià)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種基于權(quán)值分布的閾值化方法，對(duì)每對(duì)腦區(qū)的功能連接，充分利用其在不同樣本組間的權(quán)重(即連接強(qiáng)度)的分布信息，自適應(yīng)地構(gòu)建一個(gè)特定的閾值。

本發(fā)明是這樣實(shí)現(xiàn)的，一種基于權(quán)值分布的閾值化方法，所述方法具體包括如下步驟：

S1、基于類標(biāo)簽將訓(xùn)練集樣本分為兩個(gè)樣本組，即病人組和正常人組；

S2、針對(duì)兩個(gè)樣本組中所有樣本，將各腦區(qū)時(shí)間序列間的Pearson相關(guān)系數(shù)作為其連接權(quán)重，構(gòu)建腦網(wǎng)絡(luò)鄰接矩陣；

S3、基于兩樣本組的功能連接分布差異，針對(duì)每個(gè)腦區(qū)對(duì)構(gòu)建一個(gè)閾值。

進(jìn)一步的，腦區(qū)對(duì)i和j的閾值構(gòu)建方法具體如下:

S31、假定腦區(qū)對(duì)i和j功能性連接權(quán)值在每個(gè)樣本組中的分布服從高斯分布，即和并利用兩個(gè)組的樣本分別估計(jì)出兩個(gè)高斯分布的參數(shù)值；