[發明專利]一種基于數據空間變換的阿爾茲海默癥檢測方法

有效

• 申請號: 201910836855.0
• 申請日: 2019-09-05
• 公開（公告）號: CN110534195B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 趙翼飛;李楠楠;張世雄;李若塵;李革;安欣賞;張偉民
• 申請（專利權）人: 深圳龍崗智能視聽研究院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/50;A61B5/00
• 代理公司: 北京京萬通知識產權代理有限公司 11440
• 代理人: 萬學堂;魏振華

1.一種基于數據空間變換的阿爾茲海默癥檢測方法，其特征在于，包括以下步驟：

步驟1：對所有數據集腦部功能磁共振成像(fMRI)數據進行建模，從數據模型中提取特征；

步驟2：對上一步提取的特征進行特征選擇；

步驟3：使用數據空間變換方法將所有數據集選擇后的特征數據映射到同一子空間中；

步驟4：在所述子空間中使用這些數據交叉驗證訓練機器學習分類模型，調整參數，得到最優的計算機輔助診斷(CAD)模型。

2.根據權利要求1所述的基于數據空間變換的阿爾茲海默癥檢測方法，其中，所述步驟1具體包括：對于給定數據集I和II，使用大腦區域劃分模板抽取出各腦區時間序列，然后對同一大腦影像中的各區域時間序列，兩兩計算相關系數，建立腦區之間的腦功能連接網絡，最后將腦功能連接網絡轉化為鄰接矩陣作為初始特征。

3.根據權利要求1所述的基于數據空間變換的阿爾茲海默癥檢測方法，其中，所述步驟2具體包括：對于給定數據集I和II，采用過濾選擇的方式，在所述數據集II上對初始特征同一位置的所有樣本數據進行分析，決定是否保留該位置特征，評價標準為肯德爾相關系數；取肯德爾相關系數絕對值最大的前D個位置的特征作為選擇的特征，最后將特征選擇的結果應用于數據集I。

4.根據權利要求1所述的基于數據空間變換的阿爾茲海默癥檢測方法，其中，在步驟3中，給定兩個數據集I和II，I為包含m個樣本的數據集D_S，II為包含n個樣本的數據集D_T，[x₁,…,x_m]＝X_S∈D_S和[x₁,…,x_n]＝X_T∈D_T，數據變換方法將各個數據集數據映射到子空間并學習轉移矩陣M，使其中一個子空間與另一個子空間對齊，數據在其中分布一致。

5.根據權利要求4所述的基于數據空間變換的阿爾茲海默癥檢測方法，其中，在步驟3中，假設樣本的特征維數為d_m，首先利用奇異值分解(SVD)分解得到數據集II的子空間和數據集I的子空間每個數據集子空間存在d個特征向量；然后，通過適當地乘以或將每個數據點投影到其各自的子空間中；將特征向量從一個數據集子空間映射到另一個數據集子空間的函數通過最小化以下布雷格曼矩陣散度來學習：

M^*＝arg min_M(F(M)) (2)

其中是弗羅貝尼烏斯(Frobenius)范數，為了得到最佳的M^*，式(1)被重寫如下：

在這個等式中，我們可以得到最優的M^*即為M^*＝V′_SV_T，當特征向量被映射變換后，所有的數據在同一個子空間V_s中分布一致，最后，子空間V_s中的所有投影特征向量可以用于訓練和預測。

6.根據權利要求1所述的基于數據空間變換的阿爾茲海默癥檢測方法，其中，在同一子空間V_s中的數據經過標準化后，用于線性判別分析分類器，以及使用十折交叉驗證來確定線性判別分析分類器最優的超參數以及最優的子空間維度(d)，從而得到最優的計算機輔助診斷(CAD)模型。

7.一種基于數據空間變換的阿爾茲海默癥檢測系統，其特征在于，包括：

特征提取及選擇模塊，用于對所有數據集腦部功能磁共振成像(fMRI)數據進行建模，從數據模型中提取特征，以及對提取的特征進行特征選擇；以及

數據空間變換方法模塊，用于將所有數據集選擇后的特征數據映射到同一子空間中。