[發明專利]基于數據分簇和集成學習的孤獨癥譜系障礙的診斷系統

有效

• 申請號: 202310650820.4
• 申請日: 2023-06-05
• 公開（公告）號: CN116434950B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 魏瓏;徐鑫;賈守強;魏佑震;仲蘇玉
• 申請（專利權）人: 山東建筑大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;A61B5/00;A61B5/055;G06V10/762;G06V10/764;G06N20/20
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明屬于腦影像領域和機器學習領域，為了解決現有技術存在數據量少、磁共振成像涉及參數較多及實施較復雜的問題，提供了基于數據分簇和集成學習的孤獨癥譜系障礙的診斷系統，其包括腦功能連接相關性矩陣構建模塊，用于獲取被試的單模態磁共振影像，構建被試的腦功能連接相關性矩陣；特征向量獲取模塊，用于基于信息熵對被試的腦功能連接相關性矩陣進行降維處理，獲得被試的特征向量；孤獨癥譜系障礙診斷模塊，用于基于診斷模型對被試的特征向量進行處理，得到最終診斷結果。本發明考慮了數據的個體異質性和中心異質性，有效地緩解了數據異質性對分類結果的影響，有助于提升模型診斷的準確率。

技術領域

本發明屬于腦影像領域和機器學習領域，尤其涉及一種基于數據分簇和集成學習的孤獨癥譜系障礙的診斷系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

孤獨癥譜系障礙（Autism?Spectrum?Disorder，ASD）是一種因腦發育異常導致的終身疾病，患者的主要表現為溝通障礙、社交障礙以及存在刻板性、重復性行為。該疾病在初期不易被察覺，且目前主流診斷依然基于行為觀察、詳細病史采集和精神評估。病情嚴重程度易受社會環境的影響，盡早地診斷和干預有助于疾病的治療。因此，許多研究借助腦影像數據獲取腦連接特征用于診斷ASD疾病，期待找到一些能應用于早期診斷的功能指標。

磁共振影像為探究人類大腦結構和功能提供了技術手段，研究者可以借助機器學習技術把大量磁共振影像數據作為數據集，訓練出高效率的診斷模型進而能總結出可靠的影像學檢查指標。但是磁共振影像數據易受采集機器型號、采集磁場強度和采集流程規范等客觀因素的影響，導致數據集中不同采集中心的數據質量不同，即存在中心異質性。此外，ASD患者之間因為生活環境、年齡、智力、病情程度等個人因素不同，導致數據集中不同個體的數據質量不同，即存在個體異質性。異質性會影響機器學習的模型訓練效果，從而影響人們對ASD的診斷和對發病原因的探索。

現階段基于磁共振影像的ASD患者診斷的研究，主要聚焦于通過改進學習模型、引入新型優化方法、增加訓練樣本數據類型（多模態技術）來提升診斷模型的準確率，忽略了數據異質性對模型結果的影響。其余涉及到解決異質性問題的模型僅考慮通過借助機器學習技術學習磁共振掃描參數影響成像效果的規律來糾正數據從而提升數據質量，緩和數據異質性。但是該方法存在數據量少、磁共振成像涉及參數較多、實施較復雜的缺點。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于數據分簇和集成學習的孤獨癥譜系障礙的診斷系統，其因考慮了數據的個體異質性和中心異質性，在模型訓練開始前對數據集進行預處理，有效地緩解了數據異質性對分類結果的影響，有助于提升模型診斷的準確率。

為了實現上述目的，本發明采用如下技術方案：

一種基于數據分簇和集成學習的孤獨癥譜系障礙的診斷系統，其包括：

腦功能連接相關性矩陣構建模塊，其用于獲取被試的單模態磁共振影像，構建被試的腦功能連接相關性矩陣；

特征向量獲取模塊，其用于基于信息熵對被試的腦功能連接相關性矩陣進行降維處理，獲得被試的特征向量；

孤獨癥譜系障礙診斷模塊，其用于基于診斷模型對被試的特征向量進行處理，得到最終診斷結果；

其中，所述診斷模型包括同質基學習器和決策學習器；

同質基學習器的訓練數據集構建過程為：將孤獨癥譜系障礙組和健康對照組的特征向量依次進行分布編碼及結合空間距離分簇，再將分簇數據按照預設組合規則，組裝成擁有孤獨癥譜系障礙組樣本和健康對照組樣本的數據子集；

決策學習器的訓練數據集由同質基學習器輸出的孤獨癥譜系障礙的概率值構建。

作為一種實施方式，在同質基學習器的訓練數據集構建過程中，分布編碼的過程為：