[發明專利]一種分析基因對多模態腦影像表型影響的方法

有效

• 申請號: 202210092765.7
• 申請日: 2022-01-26
• 公開（公告）號: CN114580497B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 汪美玲;張道強
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/74
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種分析基因對多模態腦影像表型影響的方法，首先提出了一種圖擴散方法，用于在給定多模態表型的情況下增強樣本之間的相似性度量，并將多個輸入相似性圖融合到具有不同成像表型之間幾何結構的統一圖；其次，使用統一圖來表示樣本之間的高階相似性關系，通過超圖正則化項來結合跨模態信息，以此建立基于圖擴散的超圖正則化多模態學習模型，并設計一種優化策略來對此模型進行求解，得到與基因相關的成像表型；最后，采用多核支持向量機融合從不同模態中選擇的表型特征。本發明能夠充分地利用影像表型數據以及有效地分析基因對多模態腦影像表型的影響。

技術領域

本發明屬于基于影像遺傳學的圖像分析領域，具體涉及一種分析基因對多模態腦影像表型影響的方法。

背景技術

腦影像遺傳學(brain?imaging?genetics或brain?imaging?genomics)是結合多模態神經影像學和遺傳學方法，檢測與影響認知和情緒調節等行為相關腦結構和功能的遺傳變異。其運用腦影像技術將腦的結構與功能作為表型來評價基因對個體的影響，探討基因是如何影響大腦的神經結構和功能。研究遺傳與大腦結構和功能的相關性，在“基因與腦”和“腦與行為”之間架起一座看得見的橋梁。

在近期的研究工作中，已有部分文獻指出，整合多模態腦影像數據能夠幫助理解人類大腦狀態變化。需要注意的是，首先，在大多數研究中，通常沒有考慮基因對多模態腦影像表型的影響。眾所周知，并非大腦中的所有變化都是遺傳效應的必然結果，通過不知道哪些成像表型與大腦特定狀態有關。也就是說，這種成像表型是觀察大腦狀態變化時不容忽視的特征。其次，特征提取是觀測人腦狀態的關鍵。目前，大多數特征提取方法僅關注來自多個成像和遺傳數據的不同特征。由于遺傳變異已被確定為不同成像表型的重要因素，因此，我們嘗試整合多種影像表型數據和遺傳數據，以促進對大腦機制的理解。最后，傳統的基于圖的特征提取方法所獲取的結構信息僅捕獲成對關系，而忽略了多個頂點之間的多重相互關系。理想的特征提取方法應該能夠描述不同成像表型之間的幾何結構，并充分利用數據的互補性來觀測和理解人腦的狀態。

發明內容

發明目的：本發明提出一種分析基因對多模態腦影像表型影響的方法，能夠充分利用樣本磁共振影像數據，從而分析人類大腦中基因對腦影像表型的影響。

技術方案：本發明提供一種分析基因對多模態腦影像表型影響的方法，具體包括以下步驟：

(1)對預先獲取的基因腦影像數據進行預處理；

(2)基于多模態表型圖擴散方法獲得包含所有多模態表型圖中有價值的幾何結構信息的統一圖；

(3)建立基于圖擴散的超圖正則化多模態學習模型；

(4)對圖擴散的超圖正則化多模態學習模型進行優化處理，得到與基因相關的腦影像表型特征數據；

(5)使用多核支持向量機對得到的與基因相關的影像表型特征數據進行分類，并進行相關性分析。

進一步地，所述步驟(2)實現過程如下：

有N樣本和M模態表型，使用第m模態的特征，構建加權圖G^m＝(V^m,E^m)來模擬樣本之間的關系，其中V^m對應于N樣本和E^m對應樣本之間相似關系的權重；邊權重由N×N相似性矩陣S表示，其中S_i,j表示樣本i和樣本j之間的相似性；S_i,j是通過標簽的先驗計算為：

其中，c是樣本類的數量，使用具有相同標簽的樣本來重構x_i，其中代表第d類中的第i樣本，ρ是一個正則化參數，是一個向量，其中位置的元素為零，忽略負解，即：使用SLEP工具箱來獲取上述最優問題的最優解