[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

一種基于數據空間變換的阿爾茲海默癥檢測方法，包括以下步驟：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；2：對上一步提取的特征進行特征選擇；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；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。該方法解決了不同數據集分布不一致的問題，增加了疾病診斷的可用訓練樣本，緩解了樣本量不足而導致輔助診斷模型準確度低以及泛化能力不足的情況；同時本發明使用特征工程和機器學習算法大大提升了基于fMRI數據的AD輔助診斷的準確度。

技術領域

本發明涉及計算機輔助診斷技術領域，具體涉及到一種基于數據空間變換的阿爾茲海默癥檢測方法。

背景技術

計算機輔助診斷(CAD)在阿爾茲海默癥(AD)的研究中一直是一個熱門主題，目前AD診斷主要依靠患者的臨床表現，在疾病早期，病人可能沒有明顯的認知功能障礙或者僅僅只表現為輕度的記憶障礙，這使得病人難以與正常老齡化區分開來。由于該病在診斷上缺乏比較特異性的指標，因此早期確診率很低。而準確和及早地診斷出該疾病對于及時治療以及降低病人風險至關重要，因此使用CAD系統及早準確地判斷疾病程度對于患者的預后及治療至關重要。功能磁共振成像(fMRI)的時間分辨率和空間分辨率高，且安全性好，不具有放射性，可對同一患者進行重復檢查，目前廣泛應用于人腦認知功能的研究，是研究和檢測腦部神經退化性疾病如AD的有前途的方法。然而，由于醫學數據收集的復雜性和fMRI檢測的成本因素，單個研究機構收集的研究樣本數始終是有限的。在醫學輔助診斷中，由于個人差異較大，需要保證模型的良好泛化能力，充足的樣本是保證學習模型穩健性與準確性的基礎。當僅有的樣本集過小時，基于這個過小樣本集構建分類模型不是一個明智的選擇，此時借助公共共享數據集增加訓練數據是一種有效的方式。比較形象的描述即為“他山之石，可以攻玉”。

發明內容

本發明的目的是提供一種基于數據空間變換的阿爾茲海默癥檢測方法，通過數據空間變換方法解決了不同數據集分布不一致的問題，增加了疾病診斷的可用訓練樣本，緩解了樣本量不足而導致輔助診斷模型準確度低以及泛化能力不足的情況。同時本發明使用特征工程和機器學習算法大大提升了基于fMRI數據的AD輔助診斷的準確度。

本發明提供的技術方案如下：

一種基于數據空間變換的阿爾茲海默癥檢測方法，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。

在上述基于數據空間變換的阿爾茲海默癥檢測方法中，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。

在上述基于數據空間變換的阿爾茲海默癥檢測方法中，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。