[發明專利]影像驅動的腦圖譜構建方法、裝置、設備及存儲介質

有效

• 申請號: 202110026745.5
• 申請日: 2021-01-09
• 公開（公告）號: CN112951386B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 王書強;潘俊任;申妍燕
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G16H30/40
• 分類號: G16H30/40;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李艷麗

本申請提供一種影像驅動的腦圖譜構建方法、裝置、設備及存儲介質，涉及醫療影像技術領域。該方法包括：獲取節點特征矩陣，節點特征矩陣包括腦部的多個節點的時間序列；對節點特征矩陣進行超圖數據結構轉換，得到第一超圖關聯矩陣；將第一超圖關聯矩陣和節點特征矩陣輸入已訓練的超圖轉移矩陣生成器中處理，輸出得到第一超圖轉移矩陣，第一超圖轉移矩陣表征構建的多模態腦圖譜。本申請提供的技術方案可以構建一個多模態腦圖譜，該多模態腦連接結構能夠表達更多的特征信息。當應用于腦疾病診斷過程時，可以提高疾病診斷的準確率。

技術領域

本申請涉及醫療影像技術領域，尤其涉及一種影像驅動的腦圖譜構建方法、裝置、設備及存儲介質。

背景技術

隨著醫療影像技術發展，基于不同模態下所采集的影像數據可以生成不同的腦圖譜。例如，可以通過采集彌散張量成像(Diffusion?Tensor?Imaging，?DTI)數據生成結構連接矩陣(包含腦部的各個腦區之間纖維束密度，也成為結構連接圖譜)能夠表達腦部的組織學解剖結構信息。通過采集腦部靜息態功能磁共振成像(resting-state?functionalMagnetic?Resonance?Imaging，rs-fMRI)?數據生成節點特征矩陣(包括各個腦區的時間特征序列，也可以稱為功能連接圖譜)，能夠表達各個腦區之間的功能連接信息。腦圖譜在針對腦部疾病診斷的過程是非常重要的參考依據。

然而目前的腦圖譜大多是基于單模態的影像數據生成的，所能表達的特征信息較少。因此，可能會導致無法從腦圖譜中提取有效的疾病信息，從而造成疾病診斷的誤判。

發明內容

有鑒于此，本申請實施例提供一種影像驅動的腦圖譜構建方法、裝置、設備及存儲介質，能夠解決目前腦圖譜所能表達的特征信息較少的問題。

為了實現上述目的，第一方面，本申請實施例提供一種影像驅動的腦圖譜構建方法，包括：獲取節點特征矩陣，節點特征矩陣包括腦部的多個節點的時間序列；對節點特征矩陣進行超圖數據結構轉換，得到第一超圖關聯矩陣；將第一超圖關聯矩陣和節點特征矩陣輸入已訓練的超圖轉移矩陣生成器中處理，輸出得到第一超圖轉移矩陣，第一超圖轉移矩陣表征構建的多模態腦圖譜。

采用本申請提供的構建方法，通過將節點特征矩陣轉化成超圖數據結構，并計算第一超圖轉移矩陣，即可構建一個多模態腦圖譜。相比于目前基于單模態的影像數據生成腦連接結構，該多模態腦連接結構能夠表達更多的特征信息。當應用于腦疾病診斷過程時，可以提高疾病診斷的準確率。

可選的，對時間序列特進行超圖數據結構轉換，得到第一超圖關聯矩陣，包括：利用Guth-Katz多項式聚類算法將節點特征矩陣轉換為第一超圖數據；利用KNN算法將節點特征矩陣轉換為第二超圖數據；將第一超圖數據和第二超圖數據進行融合，得到第一超圖關聯矩陣。

基于該可選方式，通過利用Guth-Katz多項式聚類算法構建第一超圖數據，然后將第一超圖數據與第二超圖數據融合來得到第一超圖關聯矩陣，能夠更好的保留了節點特征矩陣種節點之間的拓撲信息，同時有效排除了冗余的干擾信息，提高了第一超圖關聯矩陣的精確性。

可選的，超圖轉移矩陣生成器對節點特征矩陣的處理包括：基于第一超圖關聯矩陣和節點特征矩陣進行若干次迭代計算，得到目標超邊特征矩陣和目標節點特征矩陣；根據第一超圖關聯矩陣和目標節點特征矩陣確定節點權重矩陣；根據目標超邊特征矩陣確定超邊權重矩陣；根據超邊權重矩陣和節點權重矩陣確定第一超圖轉移矩陣。

基于該可選方式，通過第一超圖關聯矩陣和節點特征矩陣進行若干次迭代計算，得到目標超邊特征矩陣和目標節點特征矩陣。利用這種超圖邊神經元算法，能夠充分挖掘不同模態數據之間的互補信息和潛在聯系，減少不必要的參數，從而避免模型過擬合且泛化能力強，更加適合小樣本學習。