[發(fā)明專利]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（公告）號(hào): CN112288027B
• 公開（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)（專利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(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

本發(fā)明異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)特征分析方法，同時(shí)考慮樣本數(shù)據(jù)間的結(jié)構(gòu)關(guān)系以及訓(xùn)練過(guò)程中樣本的“難易程度”，采用樣本加權(quán)和結(jié)構(gòu)稀疏化對(duì)腦影像數(shù)據(jù)和基因數(shù)據(jù)進(jìn)行特征分析。該方法采用自步學(xué)習(xí)機(jī)制，實(shí)現(xiàn)訓(xùn)練過(guò)程中樣本由簡(jiǎn)單到復(fù)雜的自動(dòng)增長(zhǎng)，減小噪聲對(duì)模型的影響。此外，在自步學(xué)習(xí)框架下，引入局部保留投影方法，有效保留樣本空間下樣本點(diǎn)內(nèi)部固定的鄰域結(jié)構(gòu)，同時(shí)用L1范數(shù)約束投影矩陣作為正則化項(xiàng)，實(shí)現(xiàn)特征選擇過(guò)程。最后利用多核支持向量機(jī)對(duì)選擇后的特征進(jìn)行融合分類，從而提高對(duì)疾病的診斷精度。本發(fā)明公開的方法能夠有效地進(jìn)行特征選擇和分類。

技術(shù)領(lǐng)域

本發(fā)明的技術(shù)方案涉及用于識(shí)別圖形的方法，具體地說(shuō)是異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)特征分析方法。

背景技術(shù)

阿爾茨海默病又稱為老年癡呆，是一種常見(jiàn)的腦部退行性疾病，表現(xiàn)癥狀如記憶障礙、推理認(rèn)知功能障礙、語(yǔ)言和運(yùn)動(dòng)障礙等，是當(dāng)前危害老年人健康的重要疾病之一，病程發(fā)展緩慢且不可逆。根據(jù)認(rèn)知模型的發(fā)展和功能受損的程度，阿爾茨海默病的發(fā)作可分為三個(gè)階段：正常控制，輕度認(rèn)知功能障礙和阿爾茨海默病。根據(jù)阿爾茨海默病的發(fā)病機(jī)理，盡早地發(fā)現(xiàn)和有效的治療可以延緩疾病發(fā)病進(jìn)程。大量研究表明，阿爾茨海默病與大腦的結(jié)構(gòu)萎縮、新陳代謝改變、病理性淀粉樣蛋白沉積有關(guān)。其中,常用的相關(guān)腦成像包括結(jié)構(gòu)磁共振成像、功能磁共振成像、彌散張量成像和正電子發(fā)射斷層掃描成像。與此同時(shí),隨著遺傳學(xué)技術(shù)的發(fā)展,研究者們可以從更精細(xì)的分子水平(例如單核苷酸多態(tài)性)來(lái)尋找神經(jīng)系統(tǒng)疾病和精神疾病相關(guān)的遺傳標(biāo)記。

近年來(lái)，隨著科技能力的不斷創(chuàng)新，越來(lái)越多的研究?jī)A向于對(duì)阿爾茨海默病的早期診斷，由于大腦具有非常復(fù)雜的結(jié)構(gòu)和功能，因此從單個(gè)大腦中獲取數(shù)據(jù)模態(tài)不能提供足夠的特征信息以進(jìn)行診斷。在影像遺傳學(xué)中，不同模態(tài)之間能夠提供必要的互補(bǔ)信息，例如，結(jié)構(gòu)磁共振成像提供與腦組織類型有關(guān)的信息，而正電子發(fā)射斷層掃描成像測(cè)量葡萄糖腦代謝率。因此融合多模態(tài)的數(shù)據(jù)能夠發(fā)現(xiàn)單模態(tài)中無(wú)法發(fā)現(xiàn)的信息。近年來(lái)，隨著神經(jīng)影像技術(shù)和遺傳學(xué)技術(shù)的發(fā)展，可以在采集過(guò)程中收集多模態(tài)數(shù)據(jù)各種科目檢查，為阿爾茨海默病的診斷提供數(shù)據(jù)來(lái)源。

異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)的維度較高且包含的信息量較大，并不是所有的特征都對(duì)檢測(cè)分析阿爾茨海默病有幫助。因此從腦部影像和基因數(shù)據(jù)所提供的大量特征中選擇出與分類預(yù)測(cè)任務(wù)相關(guān)的特征，去掉冗余的或者與分類相關(guān)性低的特征是非常重要的研究工作。CN109770932A公開了一種多模態(tài)腦部神經(jīng)影像特征的處理方法，該方法采用樣本權(quán)重和低秩約束多模態(tài)特征選擇方法對(duì)多模態(tài)數(shù)據(jù)進(jìn)行特征分析。該方法沒(méi)有考慮數(shù)據(jù)本身的“難易程度”，將簡(jiǎn)單普適的知識(shí)和復(fù)雜專業(yè)化的知識(shí)一概而論，在訓(xùn)練過(guò)程中將所有數(shù)據(jù)(包括噪聲點(diǎn)或離群點(diǎn))隨機(jī)加入訓(xùn)練，不能有效的消除噪聲樣本對(duì)模型的影響。CN111462116A公開了一種基于影像組學(xué)特征的多模態(tài)參數(shù)模型優(yōu)化融合方法，該方法對(duì)高維影像組學(xué)特征采用梯度降維得到低維影像組學(xué)特征，在降維過(guò)程中忽略了數(shù)據(jù)內(nèi)部結(jié)構(gòu)信息。

總之，在現(xiàn)有的阿爾茨海默病診斷分類技術(shù)中，目前的特征選擇方法均存在無(wú)法更好地考慮樣本之間的關(guān)系，容易對(duì)阿爾茨海默病診斷分類錯(cuò)誤的缺陷，精度有待進(jìn)一步提高。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)任務(wù)是針對(duì)以上不足，提供異構(gòu)多模態(tài)影像遺傳學(xué)數(shù)據(jù)特征分析方法，同時(shí)考慮樣本數(shù)據(jù)間的結(jié)構(gòu)關(guān)系以及訓(xùn)練過(guò)程中樣本的“難易程度”，采用樣本加權(quán)和結(jié)構(gòu)稀疏化對(duì)腦影像數(shù)據(jù)和基因數(shù)據(jù)進(jìn)行特征分析，將特征權(quán)重矩陣作為降維過(guò)程中的投影矩陣，采用稀疏化對(duì)特征權(quán)重矩陣和投影矩陣同時(shí)約束。該方法采用自步學(xué)習(xí)機(jī)制，實(shí)現(xiàn)訓(xùn)練過(guò)程中樣本由簡(jiǎn)單到復(fù)雜的自動(dòng)增長(zhǎng)，減小噪聲對(duì)模型的影響。此外，在自步學(xué)習(xí)框架下，引入局部保留投影方法，有效保留樣本空間下樣本點(diǎn)內(nèi)部固定的鄰域結(jié)構(gòu)，同時(shí)用L1范數(shù)約束投影矩陣作為正則化項(xiàng)，實(shí)現(xiàn)特征選擇過(guò)程。最后利用多核支持向量機(jī)對(duì)選擇后的特征進(jìn)行融合分類，從而提高對(duì)疾病的診斷精度。本發(fā)明公開的方法能夠有效地進(jìn)行特征選擇和分類。