申请/专利权人：东北大学

申请日：2019-09-26

公开（公告）日：2024-04-19

公开（公告）号：CN110718301B

主分类号：G16H50/20

分类号：G16H50/20;G06T7/11;G06T7/33;G06T7/38;G06V10/764;G06T5/70

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2020.02.21#实质审查的生效;2020.01.21#公开

摘要：本发明公布了一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法。诊断装置包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，该诊断装置的使用方法为：首先进行图像预处理，然后构建动态脑网络，其次计算分割后的脑网络的节点度量，并通过时间序列生成器将每个节点度量构成一个时间序列，随后通过特征提取器为构成的时间序列提取特征，再通过特征过滤器将过滤后的特征拼接成一个矩阵并通过特征筛选器筛选，最后通过数据训练器进行数据的分类训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。该方法克服了静态脑功能网络无法表示动态信息的缺陷，起到了更好的为医疗辅助诊断服务的效果。

主权项：1.一种基于动态脑功能网络的阿尔茨海默病辅助诊断装置，其特征在于，包括fMRI数据预处理单元、构建动态脑功能网络单元、生成用于训练的特征单元以及svm分类辅助诊断单元，首先将获取的i个待测功能核磁共振图像通过所述fMRI数据预处理单元得到预处理后的的i个标准功能核磁共振图像，然后将预处理后的i个标准功能核磁共振图像通过所述构建动态脑功能网络单元进行时间维度上的分割，构建出i个功能核磁共振图像的i*s个动态脑功能网络，其次将构建出的i*s个动态脑功能网络通过所述生成用于训练的特征单元横向的提取出每个动态脑功能网络的动态特征，最后将从i*s个动态脑功能网络提取出的经过特征过滤器过滤后的动态特征拼接成一个矩阵，最后通过所述svm分类辅助诊断单元使用Fisher算法进行特征筛选，筛选出具有代表性的特征，并进行训练，用于辅助诊断；所述的fMRI数据预处理单元包括时间片校正器、头动校正器、空间标准化器、平滑降噪器，首先将获取的i个待测功能核磁共振图像通过所述时间片校正器进行时间片校正，得到i个时间片校正后的功能核磁共振图像，然后将所述i个时间片校正后的功能核磁共振图像通过所述头动校正器进行头动校正，得到i个头动校正后的功能核磁共振图像，其次将所述i个头动校正后的功能核磁共振图像通过所述空间标准化器进行空间标准化，得到i个空间标准化后的功能核磁共振图像，最后将所述i个空间标准化后的功能核磁共振图像通过所述平滑降噪器进行平滑降噪，得到i个标准功能核磁共振图像；所述时间片校正器用于将输入的i个待测功能核磁图像进行时间片校正，得到i个时间片校正后的功能核磁共振图像I-1,I-2,I-3,...,I-i，其中i表示选取的待测功能核磁共振图像的个数；所述头动校正器用于将i个时间片校正后的功能核磁图像I-1,I-2,I-3,...,I-i进行头动校正，得到i个头动校正后的功能核磁共振图像H-1,H-2,H-3,...,H-i；所述空间标准化器用于将i个头动校正后的功能核磁图像H-1,H-2,H-3,...,H-i进行空间标准化，得到i个空间标准化后的功能核磁共振图像F-1,F-2,F-3,...,F-i；所述平滑降噪器用于将i个空间标准化后的功能核磁共振图像F-1,F-2,F-3,...,F-i进行平滑降噪，得到i个标准功能核磁共振图像S-1,S-2,S-3,...,S-i；所述构建动态脑功能网络单元包括模板匹配器、时间序列分割器以及脑网络构建器，首先将i个标准功能核磁共振图像中的每个标准功能核磁共振图像通过所述模板匹配器与规格为m的标准匹配模板进行感兴趣区域的匹配，则每个匹配后的功能核磁共振图像包含m个脑区，然后将匹配后的功能核磁共振图像通过所述时间序列分割器将每个脑区的时间序列进行分割，得到s段瞬时时间序列，最后将分割得到的s段瞬时时间序列通过所述脑网络构建器构建出i个分割后的功能核磁共振图像的i*s个动态脑功能网络；所述模板匹配器用于将每个标准功能核磁共振图像与规格为m的标准匹配模板进行匹配，匹配后的每个功能核磁共振图像包含m个脑区，i个匹配后的功能核磁共振图像表示为A-1,A-2,A-3,...,A-i；所述时间序列分割器用于将每个匹配后的功能核磁共振图像中的m个脑区的时间序列进行分割，将每个脑区的时间序列分割为s段瞬时时间序列，每段瞬时时间序列代表一个脑区的瞬时信息T-1,T-2,...,T-s，i个分割后的功能核磁共振图像表示为其中s的取值范围根据预设的分割间隔确定；所述脑网络构建器用于将每个分割后的功能核磁共振图像中的s段瞬时时间序列构建出s个动态脑功能网络，则i个分割后的功能核磁共振图像得到i*s个动态脑功能网络所述生成用于训练的特征单元包括节点度量生成器、时间序列生成器、特征提取器以及特征过滤器，首先将构建动态脑功能网络单元输出的i个分割后的功能核磁共振图像的i*s个动态脑功能网络通过所述节点度量生成器计算i*s个动态脑功能网络的节点度量，然后通过时间序列生成器将i*s个动态脑功能网络中的每个节点度量构成一个时间序列，其次通过所述特征提取器为每个节点度量形成的时间序列提取新特征值，最后将提取到的所有的新特征值通过所述特征过滤器过滤后拼接为一个动态特征矩阵；所述节点度量生成器用于生成i*s个动态脑功能网络的节点度量，并计算得到z个动态特征的特征值表示为所述z个动态特征包括i*s*x个全局特征和i*s*m*y个局部特征，即z＝i*s*x+i*s*m*y，x表示每个动态脑功能网络计算的全局特征的个数，y表示每个动态脑功能网络计算的局部特征的个数；所述时间序列生成器用于将得到的每组特征值生成一个时间序列，则i*s个动态脑功能网络构成的zs个时间序列表示为所述每组特征值包括全局的每组特征值和局部的每组特征值，所述全局的每组特征值包括每个分割后的功能核磁共振图像中的每个全局特征的s个动态脑功能网络的特征值，所述局部的每组特征值包括从每个分割后的功能核磁共振图像中的s*m*y个局部特征中的每个局部特征按照m个脑区分组得到的s个动态脑功能网络的特征值；所述特征提取器用于对每组特征生成的时间序列，基于小波的时间序列熵再次提取特征，得到zs个特征的新特征值所述特征过滤器用于对所述节点度量中的i*s*m*y个局部特征进行过滤，首先通过节点度量中的degree方法计算出每个匹配后的功能核磁共振图像中的每个脑区的degree，并计算出每个匹配后的功能核磁共振图像中的m个脑区degree的平均值然后计算出每个匹配后的功能核磁共振图像中的m个脑区的标准方差σ，其次将所述m个脑区中degree属于区间的脑区过滤为关键脑区，最后将i个匹配后的功能核磁共振图像过滤得到的N个脑区的N*y个局部特征生成的新特征值与i*x个全局特征生成的新特征值通过特征过滤器拼接为一个动态特征矩阵，其中nj表示第j个匹配后的功能核磁共振图像中的关键脑区的个数，i表示匹配后的功能核磁共振图像的个数。

全文数据：

权利要求：

百度查询： 东北大学 基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD