[發(fā)明專利]基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)有效
| 申請?zhí)枺?/td> | 201910856960.0 | 申請日： | 2019-09-11 |
| 公開（公告）號： | CN110652307B | 公開（公告）日： | 2021-01-12 |
| 發(fā)明（設計）人： | 李昂;饒光祥;劉冰 | 申請（專利權(quán)）人： | 中國科學院自動化研究所 |
| 主分類號： | A61B5/16 | 分類號： | A61B5/16;A61B5/055;G06K9/00 |
| 代理公司： | 北京市恒有知識產(chǎn)權(quán)代理事務所(普通合伙) 11576 | 代理人： | 郭文浩;尹文會 |
| 地址： | 100190 *** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 功能 影像 精神分裂癥 患者 紋狀體 檢測 系統(tǒng) | ||
1.一種基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，該系統(tǒng)包括輸入模塊、預處理模塊、特征提取模塊、特征拼接模塊、紋狀體分類模塊、輸出模塊；
所輸入模塊，配置為獲取被測對象帶有紋狀體的功能核磁影像數(shù)據(jù)作為待檢測數(shù)據(jù)；
所述預處理模塊，配置為對所述待檢測數(shù)據(jù)進行時間矯正、腦影像數(shù)據(jù)配準到標準空間、頭動信號回歸、濾波操作，獲得待檢測預處理數(shù)據(jù)；
所述特征提取模塊，配置為提取所述待檢測預處理數(shù)據(jù)的紋狀體局部信號，并計算所述紋狀體局部信號到全腦功能連接的第一特征信號以及計算所述紋狀體內(nèi)部功能連接的第二特征信號；
所述特征拼接模塊，配置為將所述紋狀體局部信號、第一特征信號、第二特征信號拼接，獲得紋狀體功能特征信號；
所述紋狀體功能檢測模塊，配置為基于所述紋狀體功能特征信號，通過預先訓練好的紋狀體分類模型分別計算被測對象紋狀體屬于精神分裂患者、正常人的置信概率；所述紋狀體分類模型為有監(jiān)督的分類器，包括支持向量機、深度神經(jīng)網(wǎng)絡、邏輯回歸分類器中的一個或多個，模型訓練前針對其訓練樣本的每一個維度單獨進行標準化操作；
所述輸出模塊，配置為若紋狀體屬于正常人的置信概率高，則輸出被測對象為正常人；否則，按照所述置信概率與精神分裂患者紋狀體健康等級的映射關系輸出對應被測對象的紋狀體健康等級。
2.根據(jù)權(quán)利要求1所述的基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，所述紋狀體局部信號到全腦功能連接的第一特征信號，其計算方法為：
步驟S311，基于所述紋狀體局部信號，在空間上計算每個時間點的紋狀體內(nèi)部平均信號；
步驟S312，將所述紋狀體內(nèi)部平均信號與除紋狀體之外全腦所有其他體素信號進行相似度計算，獲得第一特征信號。
3.根據(jù)權(quán)利要求1所述的基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，所述紋狀體內(nèi)部功能連接的第二特征信號，其計算方法為：
步驟S321，基于所述紋狀體局部信號，提取其體素信號級別時間序列，并將所述體素信號級別時間序列兩兩進行相似度計算，獲得紋狀體內(nèi)部功能連接矩陣；
步驟S322，提取所述紋狀體內(nèi)部功能連接矩陣中上三角區(qū)域特征，獲得第二特征信號。
4.根據(jù)權(quán)利要求2或3所述的基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，所述體素信號在計算之前通過空間平滑模塊進行空間平滑；
所述空間平滑模塊，配置為在空間上，采用預先設定的平滑核對時間序列進行平滑操作。
5.根據(jù)權(quán)利要求2或3所述的基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，所述紋狀體局部信號為在時域計算的紋狀體區(qū)域每一個體素的時間序列信號的方差：
其中，N為是新建序列的長度，Xi代表第個i個時間點紋狀體某體素的時序信號，η是紋狀體某體素在N個時間點內(nèi)的平均信號強度。
6.根據(jù)權(quán)利要求5所述的基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，所述相似度通過皮爾遜相關法計算：
其中，X為紋狀體區(qū)域時間信號，Y為全腦某個其他體素(紋狀體感興趣外)時間信號；ηx為紋狀體區(qū)域平均信號，ηy為除紋狀體以及該體素之外的全腦體素的平均信號。
7.根據(jù)權(quán)利要求1所述的基于功能核磁影像的精神分裂癥患者紋狀體功能檢測系統(tǒng)，其特征在于，所述紋狀體分類模型基于有監(jiān)督學習分類器構(gòu)建，其訓練方法為：
步驟B10，分別獲取設定數(shù)量的精神分裂患者帶有紋狀體的功能核磁影像數(shù)據(jù)、正常人帶有紋狀體的功能核磁影像數(shù)據(jù)作為訓練樣本集；標記所述訓練樣本集中對應精神分裂患者的訓練樣本標簽為-1，對應正常人的訓練樣本標簽為1；
步驟B20，采用權(quán)利要求1所述的預處理模塊、特征提取模塊和特征拼接模塊分別依次提取所述訓練樣本集中每一個訓練樣本對應的紋狀體功能特征信號；
步驟B30，依次選取所述訓練樣本集中一個訓練樣本對應的紋狀體功能特征信號，通過紋狀體分類模型分別計算所述訓練樣本屬于精神分裂患者、正常人的置信概率；
步驟B40，以所述置信概率高的類別作為所述訓練樣本類別，并計算所述類別與對應的樣本訓練標簽的損失值；
步驟B50，若所述損失值不低于設定閾值，則更新所述紋狀體分類模型的參數(shù)，并跳轉(zhuǎn)步驟B30；否則，跳轉(zhuǎn)步驟B60；
步驟B60，完成模型訓練，獲得訓練好的紋狀體分類模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國科學院自動化研究所，未經(jīng)中國科學院自動化研究所許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910856960.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
