[發(fā)明專利]一種彌散張量成像數(shù)據(jù)分析方法及裝置

有效

• 申請?zhí)枺?/td>: 202110359402.0
• 申請日: 2021-04-02
• 公開（公告）號: CN113283465B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計）人: 蔣希;張嶸;基斯·肯德里克;壽小婧;趙忠博;韓濟生;韓松平
• 申請（專利權(quán)）人: 電子科技大學(xué);北京大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/33;G06T7/11;G16H30/20;A61B5/00;A61B5/055;G06V10/764;G06V10/762
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 周劉英

1.一種數(shù)據(jù)分析方法，其特征在于，該方法包括：

預(yù)處理步驟：

在接收到N個全腦影像數(shù)據(jù)組時，對所述N個全腦影像數(shù)據(jù)組中的每個全腦影像數(shù)據(jù)執(zhí)行預(yù)處理操作，得到N個全腦基礎(chǔ)數(shù)據(jù)組；其中，N是大于或等于2的正整數(shù)，且每個所述全腦影像數(shù)據(jù)組包括若干個全腦影像數(shù)據(jù)；

結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣構(gòu)建步驟：

重構(gòu)N個全腦基礎(chǔ)數(shù)據(jù)組中每個全腦基礎(chǔ)數(shù)據(jù)的全腦白質(zhì)神經(jīng)纖維束，并計算出每個全腦基礎(chǔ)數(shù)據(jù)的指定指標參數(shù)，得到N個全腦白質(zhì)神經(jīng)纖維束數(shù)據(jù)組；

根據(jù)所述N個全腦白質(zhì)神經(jīng)纖維束數(shù)據(jù)組中的每個全腦白質(zhì)神經(jīng)纖維束數(shù)據(jù)，與預(yù)先劃分的若干腦區(qū)進行配準，并將每個腦區(qū)之間的指定指標參數(shù)的均值作為腦區(qū)之間的結(jié)構(gòu)網(wǎng)絡(luò)連接度量，計算結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣，得到N個結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣組；

網(wǎng)絡(luò)統(tǒng)計分析步驟：

對N個結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣組進行基于網(wǎng)絡(luò)統(tǒng)計分析，確定組間的網(wǎng)絡(luò)結(jié)構(gòu)差異，將滿足指定條件的網(wǎng)絡(luò)結(jié)構(gòu)差異所對應(yīng)的結(jié)構(gòu)網(wǎng)絡(luò)連接作為特征對象；

特征提取步驟：

基于所述特征對象，對所述N個結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣組中的每個結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣進行特征提取，生成特征值向量，得到N個特征值向量組；

模型建立步驟：

按照所述N個特征連接值向量組分類，并建立分類模型。

2.如權(quán)利要求1所述的數(shù)據(jù)分析方法，其特征在于，所述預(yù)處理步驟中，對所述N個全腦影像數(shù)據(jù)組中的每個全腦影像數(shù)據(jù)執(zhí)行預(yù)處理操作，包括：

對全腦影像數(shù)據(jù)進行格式轉(zhuǎn)換，再提取沒有梯度加權(quán)的圖像數(shù)據(jù)，并對得到的圖像數(shù)據(jù)執(zhí)行刪除非大腦部分的處理；

對刪除非大腦部分后的圖像數(shù)據(jù)執(zhí)行渦流矯正，再對渦流矯正后的圖像數(shù)據(jù)執(zhí)行張量擬合操作，得到彌散張量成像數(shù)據(jù)并作為全腦基礎(chǔ)數(shù)據(jù)。

3.如權(quán)利要求1所述的數(shù)據(jù)分析方法，其特征在于，所述結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣構(gòu)建步驟中，指定指標參數(shù)為各向異性分數(shù)FA。

4.如權(quán)利要求1所述的數(shù)據(jù)分析方法，其特征在于，所述結(jié)構(gòu)網(wǎng)絡(luò)連接矩陣構(gòu)建步驟中，根據(jù)FA重構(gòu)N個全腦基礎(chǔ)數(shù)據(jù)組中每個全腦基礎(chǔ)數(shù)據(jù)的全腦白質(zhì)神經(jīng)纖維束時，采用纖維追蹤成像方式，具體包括：

(1)確定纖維束追蹤的起始點x₀＝(x₀,y₀,z₀)，從而得到起始點x₀的特征向量，其中，x₀為FA值大于所設(shè)定FA閾值的點；

(2)確定當前追蹤方向：將當前起始點x₀的主特征向量v＝(v_x,v_y,v_z)作為當前追蹤方向；

(3)確定纖維追蹤軌跡的下一個體素的截取點x＝(x,y,z)，其中，x的坐標具體為：

s表示指定的弧長；

(4)確定是否滿足指定的第一追蹤停止條件，若是，則執(zhí)行步驟(7)；否則執(zhí)行步驟執(zhí)行步驟(5)；

(5)基于截取點x的彌散張量得到新主特征向量v′，并確定新主特征向量v′的方向后執(zhí)行步驟(6)；

其中，新主特征向量v′的方向為：計算新主特征向量v′與主特征向量v的內(nèi)積，若內(nèi)積結(jié)果為正，則保持新主特征向量v′的符號，否則，改變新主特征向量v′的符號；

(6)確定是否滿足指定的第二追蹤停止條件，若是，則執(zhí)行步驟(7)；否則，將截取點x作為當前起始點x₀，新主特征向量v′作為當前特征向量v繼續(xù)執(zhí)行步驟(2)～(6)；

(7)即當前追蹤方向上的纖維追蹤結(jié)束，重新從當前起始點x₀開始，轉(zhuǎn)換轉(zhuǎn)換x₀處的主特征向量v的符號，進行逆向追蹤(執(zhí)行步驟(2)～(5))；

當兩個方向的追蹤均已完成，則基于當前起始點x₀的兩個方向的的追蹤結(jié)果，得到一條纖維坐標鏈，確定該纖維坐標鏈的長度是否位于指定的長度范圍內(nèi)，若是，則對該纖維坐標鏈進行三維曲線插值和平滑，并創(chuàng)建纖維束的屬性表；

其中，第一追蹤停止條件包括：

當前起始點x₀到達全腦圖像的邊界；

或者截取點x上的FA值小于設(shè)定FA閾值；

第二追蹤停止條件為：當前主特征向量v與新主特征向量v′之間的角度大于設(shè)定角度閾值。