[發明專利]一種彌散張量成像數據分析方法及裝置

有效

• 申請號: 202110359402.0
• 申請日: 2021-04-02
• 公開（公告）號: CN113283465B
• 公開（公告）日: 2022-04-29
• 發明（設計）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）人: 電子科技大學;北京大學
• 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: 電子科技大學專利中心 51203
• 代理人: 周劉英

本發明公開了一種數據分析方法及裝置，屬于數據處理技術領域。本發明的方法包括：在接收到N個全腦影像數據組時，對其執行預處理操作，得到N個全腦基礎數據組；并使用纖維追蹤成像策略重構出每個全腦基礎數據的全腦白質神經纖維束，及計算出每個全腦基礎數據中各向異性分數等指標，得到N個全腦白質神經纖維束數據組；再與預先劃分的多個腦分區進行配準，計算結構網絡連接矩陣，得到N個結構網絡連接矩陣組并對其進行網絡統計分析，并進行特征提取以得到N個特征值向量組；最后按照N個特征值向量組分類，并建立分類模型。本發明還公開對應該方法的裝置。本發明能夠對腦數據進行全局分析，進而能夠得到腦分區之間的結構連接和網絡。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及一種數據分析方法及裝置。

背景技術

隨著生命科學的飛速發展，生命科學界對人體最復雜和精密的器官，腦，的研究越來越重視。傳統的研究方式通常是，通過磁共振成像技術和功能磁共振成像技術獲取人腦的圖像數據，以所獲取的圖像數據為基礎，確定待研究的腦分區，并計算待研究的腦分區與其他分區的關系，從而得到該腦分區的研究數據。

基于傳統的研究方式可知，現有的腦數據分析方法，將所確定的待研究腦分區作為核心對腦數據進行計算，因此，所得到的研究數據也更偏重于體現待研究腦分區的特征，從而導致所得到的數據結果相對較為片面，進而，對技術人員研究全腦的結構和狀態構成限制。

有鑒于此，本領域技術人員急需一種全面分析腦數據的方法。

發明內容

本發明實施例提供了一種彌散張量成像數據分析方法及裝置，以解決現有技術得到的彌散張量成像數據結果較為片面的問題。

一方面，本發明實施例提供了一種數據分析方法，該方法包括：

預處理步驟：

在接收到N個全腦影像數據組時，對所述N個全腦影像數據組中的每個全腦影像數據執行預處理操作，得到N個全腦基礎數據組；其中，N是大于或等于2的正整數，且每個所述全腦影像數據組包括若干個全腦影像數據；

結構網絡連接矩陣構建步驟：

重構N個全腦基礎數據組中每個全腦基礎數據的全腦白質神經纖維束，并計算出每個全腦基礎數據的指定指標參數，得到N個全腦白質神經纖維束數據組；

根據所述N個全腦白質神經纖維束數據組中的每個全腦白質神經纖維束數據，與預先劃分的若干腦區進行配準，并將每個腦區之間的指定指標參數的均值作為腦區之間的結構網絡連接度量，計算結構網絡連接矩陣，得到N個結構網絡連接矩陣組；

網絡統計分析步驟：

對N個結構網絡連接矩陣組進行基于網絡統計分析，確定組間的網絡結構差異，將滿足指定條件的網絡結構差異所對應的結構網絡連接(即網絡邊)作為特征對象；

特征提取步驟：

基于所述特征對象，對所述N個結構網絡連接矩陣組中的每個結構網絡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。

在一種可能的實現方式中，預處理步驟中，對所述N個全腦影像數據組中的每個全腦影像數據執行預處理操作(以獲取彌散張量成像數據)，包括：

對全腦影像數據進行格式轉換，再提取沒有梯度加權的圖像數據，并對得到的圖像數據執行刪除非大腦部分的處理，如去頭骨處理；

對刪除非大腦部分后的圖像數據執行渦流矯正，再對渦流矯正后的圖像數據執行張量擬合操作，得到彌散張量成像數據并作為全腦基礎數據。