[發(fā)明專(zhuān)利]異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)特征分析方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011223328.1
• 申請(qǐng)日: 2020-11-05
• 公開(kāi)（公告）號(hào): CN112288027B
• 公開(kāi)（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 郝小可;王如雪;師碩;閻剛;肖云佳;李想;譚麒豪;安琦瑾
• 申請(qǐng)（專(zhuān)利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06V10/764
• 分類(lèi)號(hào): G06V10/764;G06V10/80;G06V10/774;G06K9/62;G16B20/40;G16B35/00;G16B40/00
• 代理公司: 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210
• 代理人: 付長(zhǎng)杰

1.一種異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)特征分析方法，其特征在于，該特征分析方法包括以下內(nèi)容：

獲取某類(lèi)腦疾病樣本異構(gòu)多模態(tài)預(yù)處理后的數(shù)據(jù)，包括基因數(shù)據(jù)和不同模態(tài)的影像數(shù)據(jù)，獲得每個(gè)樣本在每個(gè)模態(tài)下的數(shù)據(jù)；

對(duì)異構(gòu)多模態(tài)預(yù)處理后的數(shù)據(jù)進(jìn)行多模態(tài)聯(lián)合特征選擇，特征選擇目標(biāo)函數(shù)為公式(1)：

公式(1)中，n為樣本的個(gè)數(shù)，M為模態(tài)的個(gè)數(shù)，表示第i個(gè)樣本第m個(gè)模態(tài)對(duì)應(yīng)的特征列向量，給定第m個(gè)模態(tài)的訓(xùn)練集d表示特征的維度，yⁱ表示第i個(gè)樣本對(duì)應(yīng)的類(lèi)別標(biāo)簽，Y＝[y¹，…，yⁱ，…，yⁿ]^T∈Rⁿ表示n個(gè)樣本對(duì)應(yīng)的標(biāo)簽向量，w_m為第m個(gè)模態(tài)的權(quán)重向量，v_m∈Rⁿ為第m個(gè)模態(tài)自步樣本權(quán)重向量；λ為約束特征稀疏的正則化參數(shù)，μ為約束樣本多模態(tài)關(guān)聯(lián)的正則化參數(shù)；其中為輔助參數(shù)，k′＞k＞0，vⁱ為第i個(gè)樣本的自步樣本權(quán)重向量；K_m為刻畫(huà)樣本點(diǎn)鄰近關(guān)系的權(quán)值矩陣，權(quán)值矩陣中每個(gè)元素表示第m個(gè)模態(tài)樣本之間的鄰近關(guān)系，采用局部保留投影方式有效的保留樣本空間下樣本點(diǎn)的鄰域結(jié)構(gòu)，當(dāng)不為0時(shí)，表示第i個(gè)樣本和第j個(gè)樣本之間存在k鄰近關(guān)系，否則表示第i個(gè)樣本和第j個(gè)樣本之間不存在k鄰近關(guān)系，

交替計(jì)算變量w_m和v_m，對(duì)上述目標(biāo)函數(shù)進(jìn)行優(yōu)化求解；

對(duì)獲得的解中選出權(quán)重非零的權(quán)重向量w_m所對(duì)應(yīng)的特征，完成異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)特征分析。

2.根據(jù)權(quán)利要求1所述的分析方法，其特征在于，所述多模態(tài)影像數(shù)據(jù)包括基于體素的形態(tài)測(cè)量學(xué)處理的磁共振影像、氟脫氧葡萄糖-正電子發(fā)射斷層掃描影像、F-18熒光淀粉樣蛋白-正電子發(fā)射斷層成像；所述基因數(shù)據(jù)包括來(lái)自ADNI數(shù)據(jù)庫(kù)的基因數(shù)據(jù)和APOE。

3.根據(jù)權(quán)利要求1所述的分析方法，其特征在于，用于進(jìn)行生物標(biāo)志物的挖掘，獲得特征向量，將樣本標(biāo)簽以及特征選擇后獲得的異構(gòu)多模態(tài)特征向量輸入到多核支持向量機(jī)中，進(jìn)行分類(lèi)預(yù)測(cè)。