[發(fā)明專利]基于腦部塊特征加權(quán)表達(dá)的阿爾茨海默癥診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110639443.5
• 申請(qǐng)日: 2021-06-08
• 公開（公告）號(hào): CN113538333B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計(jì)）人: 唐奇伶;鄭菲;王嬌;劉子儀;劉李漫
• 申請(qǐng)（專利權(quán)）人: 中南民族大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢知產(chǎn)時(shí)代知識(shí)產(chǎn)權(quán)代理有限公司 42238
• 代理人: 孔燦

本發(fā)明公開了基于腦部塊特征加權(quán)表達(dá)的阿爾茨海默癥診斷方法，利用腦部圖像塊作為輸入，分級(jí)提取塊級(jí)、區(qū)域級(jí)和個(gè)體級(jí)的圖像特征，提取并融合多尺度特征表示，使用前一級(jí)子網(wǎng)絡(luò)的輸出作為輸入，分層構(gòu)建多尺度子網(wǎng)絡(luò)，在塊級(jí)子網(wǎng)絡(luò)后引入塊特征加權(quán)表達(dá)模塊，構(gòu)建基于塊特征加權(quán)表示的分層全卷積網(wǎng)絡(luò)模型，通過學(xué)習(xí)自動(dòng)獲取到每個(gè)塊特征的重要程度并分配不同的權(quán)重；通過分層構(gòu)建多尺度子網(wǎng)絡(luò)和塊特征加權(quán)表達(dá)對(duì)特征進(jìn)行深度融合與全局關(guān)聯(lián)，在信息相互作用過程中實(shí)現(xiàn)特征篩選、特征互補(bǔ)和全局特征理解。本發(fā)明利用腦部塊特征加權(quán)表達(dá)對(duì)塊級(jí)圖像特征產(chǎn)生的增強(qiáng)或抑制調(diào)制作用，提高了阿爾茨海默癥診斷的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、模式識(shí)別技術(shù)領(lǐng)域，具體涉及基于腦部塊特征加權(quán)表達(dá)的阿爾茨海默癥診斷方法。

背景技術(shù)

阿爾茨海默癥(Alzheimer's disease,AD)是一種多發(fā)于老年人群中不可逆轉(zhuǎn)的神經(jīng)退行性疾病，腦萎縮是患有阿爾茨海默癥的重要生物標(biāo)記物，現(xiàn)有的基于sMRI大腦圖像疾病自動(dòng)診斷的方法通常分為三個(gè)階段，即：感興趣區(qū)域(region of interest，ROI)的預(yù)先確定、特征提取和分類模型的構(gòu)建。這些方法通常分為四類：基于體素的方法、基于感興趣區(qū)域的方法、基于塊的方法和基于整個(gè)圖像的方法。基于體素的方法利用皮質(zhì)的厚度、大腦組織的密度和體積來測(cè)量大腦的形態(tài)變化，由于體素的維數(shù)非常高，而模型訓(xùn)練的圖像的數(shù)目相對(duì)較少，這種方法通常會(huì)遇到過擬合的問題；基于ROI的方法僅關(guān)注根據(jù)經(jīng)驗(yàn)定義的特定大腦區(qū)域，可能無法覆蓋整個(gè)大腦中所有的病理部位，并且手工標(biāo)注的ROI特征與分類任務(wù)是兩個(gè)獨(dú)立的過程，無法實(shí)現(xiàn)與分類器相互協(xié)調(diào)；基于塊的方法將圖像局部塊作為輸入，進(jìn)行塊級(jí)別分析的問題困難在于如何從sMRI中提取和組合可區(qū)分的局部塊；基于整副圖像的方法將整個(gè)大腦圖像作為網(wǎng)絡(luò)的輸入，很難檢測(cè)大腦細(xì)微的結(jié)構(gòu)變化。

患有AD患者早期階段的大腦圖像結(jié)構(gòu)改變不易被發(fā)現(xiàn)，并且老年人的大腦本身會(huì)出現(xiàn)一定程度的萎縮，因此準(zhǔn)確地診斷阿爾茨海默癥是一項(xiàng)困難的任務(wù)，常規(guī)的基于體素、區(qū)域和塊的自動(dòng)診斷方法的主要難點(diǎn)在于：1)僅在單個(gè)(即區(qū)域或塊)級(jí)別上提取的特征包含的信息量較少，不能夠表示出整個(gè)sMRI的全局結(jié)構(gòu)信息。2)手工標(biāo)注的ROI特征與后面的分類器獨(dú)立開來，并且可能與分類器無法很好地協(xié)調(diào)，從而導(dǎo)致診斷性能不理想。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提出了一種基于腦部塊特征加權(quán)表達(dá)的阿爾茨海默癥診斷方法，旨在解決僅靠提取單個(gè)尺度的特征表示，不足以表征全腦結(jié)構(gòu)信息，以及特征提取與分類器構(gòu)造相分離的問題。

包括以下步驟：

S1、獲取圖像訓(xùn)練的數(shù)據(jù)集；

S2、對(duì)數(shù)據(jù)集進(jìn)行圖像預(yù)處理；

S3、建立分層全卷積神經(jīng)網(wǎng)絡(luò)，設(shè)置網(wǎng)絡(luò)的層數(shù)和節(jié)點(diǎn)數(shù)，在塊級(jí)子網(wǎng)絡(luò)后引入塊特征加權(quán)表達(dá)模塊，得到自動(dòng)診斷AD的基于塊特征加權(quán)表示的分層全卷積網(wǎng)絡(luò)；

S4、將腦部MRI圖像輸入所述的基于塊特征加權(quán)表示的分層全卷積網(wǎng)絡(luò)，輸出所述腦部MRI圖像的阿爾茲海默癥分類檢測(cè)結(jié)果。

本發(fā)明提供的技術(shù)方案帶來的有益效果是：(1)本發(fā)明無需手工標(biāo)注ROI特征，分級(jí)提取并融合多尺度特征表示，擴(kuò)大其信息感知范圍并能保留大腦的細(xì)微結(jié)構(gòu)變化特征，分層構(gòu)建多尺度子網(wǎng)絡(luò)，實(shí)現(xiàn)將特征提取和分類器構(gòu)建相統(tǒng)一；

(2)本發(fā)明構(gòu)建了一種基于塊特征加權(quán)表示的分層全卷積網(wǎng)絡(luò)模型，利用腦部塊特征加權(quán)表達(dá)對(duì)塊級(jí)圖像特征產(chǎn)生的增強(qiáng)或抑制調(diào)制作用，增強(qiáng)診斷價(jià)值重要的塊特征，減弱不重要的塊特征，從而讓提取的特征指向性更強(qiáng)，提高了阿爾茨海默癥診斷的準(zhǔn)確性。

附圖說明

下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明，附圖中：

圖1為本發(fā)明基于腦部塊特征加權(quán)表達(dá)的阿爾茨海默癥診斷方法的執(zhí)行流程圖；

圖2為本發(fā)明sMRI腦圖像預(yù)處理效果圖；