本發(fā)明專利技術公開了一種基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，包括：對腦功能磁共振圖像進行預處理，然后進行腦區(qū)分割，并提取各個腦區(qū)的平均時間序列；計算平均各個時間序列之間的偏相關系數(shù)，得到偏相關系數(shù)矩陣；將偏相關系數(shù)矩陣二值化，得到腦網(wǎng)絡模型；計算網(wǎng)絡中各節(jié)點的網(wǎng)絡中心性；利用自適應提高分類器對腦功能磁共振圖像進行分類，并采用留一交叉驗證的測試方法對自適應提高分類器進行檢驗。本發(fā)明專利技術利用腦功能磁共振圖像構建了腦功能網(wǎng)絡，利用了網(wǎng)絡拓撲結構信息進行分類，能夠精確的對腦功能磁共振圖像進行分類。
【技術實現(xiàn)步驟摘要】
本專利技術屬于圖像處理
，具體涉及。
技術介紹
功能磁共振成像(functionalMagnetic Resonance Imaging, fMRI)以其高時空分辨率，非侵入式等特點在神經(jīng)疾病診斷治療方面得到了廣泛應用。fMRI —般指基于血氧·水平依賴(blood oxygen level-dependent, BOLD)的磁共振成像,它通過測量由神經(jīng)活動引起的腦血流和腦血氧等成分變化而造成的磁共振信號變化來反映腦活動。腦是一個復雜的系統(tǒng)，在受到刺激條件或經(jīng)歷病變時腦的磁共振圖像會發(fā)生相應的變化。利用圖像分類方法，計算腦功能磁共振圖像具有某種屬性的可能性大小，或者自動判別圖像的類別屬性，是計算機輔助分析的一個重要應用。傳統(tǒng)的功能磁共振圖像分類方法主要有感興趣區(qū)域(ROI)方式和體素(voxel)方式兩種分類方法。感興趣區(qū)域方式的分類方法依據(jù)目標結構的先驗知識，將樣本和目標分割成多個目標區(qū)域，并據(jù)此對目標進行分類；體素方式的分類方法采用復雜的非線性配準，以最大限度地實現(xiàn)個體間的精確對應，然后以圖像的每一個空間單位(體素)作為分類依據(jù)。這兩種方法都假設目標與樣本的內(nèi)部組織結構是一一對應的。前者認為先驗的圖像區(qū)域存在于每一個目標圖像當中，并且能夠準確分割；后者假定非線性配準后的體素是一一對應的。然而，這樣的假設在很多情況下并不合理。人在不同狀態(tài)下的腦功能磁共振圖像會受到多方面因素的干擾，傳統(tǒng)的分類方法都不是根據(jù)腦的固有屬性對腦功能磁共振圖像進行分類的，因此都會導致分類性能的下降。
技術實現(xiàn)思路
(一 )要解決的技術問題為了克服已有技術的不足，本專利技術所要解決的技術問題是設計一種分類準確率高、泛化性能強的腦功能磁共振圖像分類方法。( 二 )技術方案為實現(xiàn)上述目的，本專利技術提出了，包括步驟SI :對腦功能磁共振圖像進行預處理，然后進行腦區(qū)分割，并提取各個腦區(qū)的平均時間序列；步驟S2 :計算平均各個時間序列之間的偏相關系數(shù)，得到偏相關系數(shù)矩陣；步驟S3 :將偏相關系數(shù)矩陣二值化，得到腦網(wǎng)絡模型；步驟S4 計算網(wǎng)絡中各節(jié)點的網(wǎng)絡中心性；步驟S5 :利用自適應提高分類器對腦功能磁共振圖像進行分類，并采用留一交叉驗證的測試方法對自適應提高分類器進行檢驗。上述方案中，所述步驟SI包括步驟Sll :對腦功能磁共振圖像進行預處理；步驟S12 :對預處理后的腦功能磁共振圖像進行分割；步驟S13 :提取各腦區(qū)的平均時間序列。上述方案中，步驟Sll中所述對腦功能磁共振圖像進行預處理保留了腦功能圖像細節(jié)，同時使用腦功能圖像與標準模板進行仿射配準變換方式的預處理，并提高圖像的信噪比，至少包括切片掃描時間對齊、圖像序列對齊、聯(lián)合配準、標準化或均一化、空間平滑濾波和時間平滑濾波。上述方案中，步驟S12中所述對預處理后的腦功能磁共振圖像進行分割，是采用國際通用的結構標記模板(AAL)，將全腦分為90個腦區(qū)。上述方案中，步驟S13中所述提取各腦區(qū)的平均時間序列，包括將全腦分為90個腦區(qū)后，依據(jù)預處理后的腦功能磁共振圖像的數(shù)據(jù)，分別提取每個腦區(qū)內(nèi)部各個體素在不同時間點上的激活值，再將各個體素在各時間點上的激活值進行平均，得到平均時間序列；所述激活值是指各個體素在不同時間點上的血氧水平依賴(BOLD)強度。·上述方案中，所述步驟S2包括步驟S21 :計算平均時間序列間的協(xié)方差系數(shù)；步驟S22 :計算平均時間序列間的偏相關系數(shù)；步驟S23 :對偏相關系數(shù)進行Fisher變換，得到偏相關系數(shù)矩陣。上述方案中，步驟S21中所述計算平均時間序列間的協(xié)方差系數(shù)，包括依據(jù)步驟SI提取的各個腦區(qū)的時間序列，計算各個平均時間序列之間的協(xié)方差矩陣S，S的每個元素Sijj為第i個和第j個時間序列之間的協(xié)方差系數(shù)，權利要求1.ー種基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，包括 步驟SI :對腦功能磁共振圖像進行預處理，然后進行腦區(qū)分割，并提取各個腦區(qū)的平均時間序列； 步驟S2 :計算平均各個時間序列之間的偏相關系數(shù)，得到偏相關系數(shù)矩陣； 步驟S3 :將偏相關系數(shù)矩陣ニ值化，得到腦網(wǎng)絡模型； 步驟S4 :計算網(wǎng)絡中各節(jié)點的網(wǎng)絡中心性； 步驟S5 :利用自適應提高分類器對腦功能磁共振圖像進行分類，并采用留ー交叉驗證的測試方法對自適應提高分類器進行檢驗。2.根據(jù)權利要求I所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，所述步驟SI包括 步驟Sll :對腦功能磁共振圖像進行預處理； 步驟S12 :對預處理后的腦功能磁共振圖像進行分割； 步驟S13 :提取各腦區(qū)的平均時間序列。3.根據(jù)權利要求2所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，步驟Sll中所述對腦功能磁共振圖像進行預處理保留了腦功能圖像細節(jié)，同時使用腦功能圖像與標準模板進行仿射配準變換方式的預處理，并提高圖像的信噪比，至少包括切片掃描時間對齊、圖像序列對齊、聯(lián)合配準、標準化或均一化、空間平滑濾波和時間平滑濾波。4.根據(jù)權利要求2所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，步驟S12中所述對預處理后的腦功能磁共振圖像進行分割，是采用國際通用的結構標記模板(AAL)，將全腦分為90個腦區(qū)。5.根據(jù)權利要求2所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，步驟S13中所述提取各腦區(qū)的平均時間序列，包括 將全腦分為90個腦區(qū)后，依據(jù)預處理后的腦功能磁共振圖像的數(shù)據(jù)，分別提取每個腦區(qū)內(nèi)部各個體素在不同時間點上的激活值，再將各個體素在各時間點上的激活值進行平均，得到平均時間序列；所述激活值是指各個體素在不同時間點上的血氧水平依賴(BOLD)強度。6.根據(jù)權利要求I所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，所述步驟S2包括 步驟S21 :計算平均時間序列間的協(xié)方差系數(shù)； 步驟S22 :計算平均時間序列間的偏相關系數(shù)； 步驟S23 :對偏相關系數(shù)進行Fisher變換，得到偏相關系數(shù)矩陣。7.根據(jù)權利要求6所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，步驟S21中所述計算平均時間序列間的協(xié)方差系數(shù)，包括 依據(jù)步驟SI提取的各個腦區(qū)的時間序列，計算各個平均時間序列之間的協(xié)方差矩陣S，S的每個元素Sy為第i個和第j個時間序列之間的協(xié)方差系數(shù)，8.根據(jù)權利要求6所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，步驟S22中所述計算平均時間序列間的偏相關系數(shù)，包括 首先計算平均時間序列之間的協(xié)方差矩陣S，該協(xié)方差矩陣維度為90X90，S的每個元素Sy為第i個和第j個時間序列之間的協(xié)方差系數(shù)，9.根據(jù)權利要求6所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，步驟S23中所述對偏相關系數(shù)進行Fisher變換，得到偏相關系數(shù)矩陣，包括 依據(jù)偏相關系數(shù)矩陣R，計算經(jīng)過Fisher變換的偏相關系數(shù)矩陣F，F(xiàn)的每個元素fu為10.根據(jù)權利要求I所述的基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，所述步驟S3包括 設定閾值T’，令經(jīng)過Fisher變換后的偏相關系數(shù)矩陣F中大于等于T’的值為1，小于T’的值為0，得到復雜網(wǎng)絡模型；其中偏相關系數(shù)矩陣F的矩陣維度為90X90 ;ニ值化后的矩本文檔來自技高網(wǎng)...
【技術保護點】
一種基于網(wǎng)絡中心性的腦功能磁共振圖像分類方法，其特征在于，包括：步驟S1：對腦功能磁共振圖像進行預處理，然后進行腦區(qū)分割，并提取各個腦區(qū)的平均時間序列；步驟S2：計算平均各個時間序列之間的偏相關系數(shù)，得到偏相關系數(shù)矩陣；步驟S3：將偏相關系數(shù)矩陣二值化，得到腦網(wǎng)絡模型；步驟S4：計算網(wǎng)絡中各節(jié)點的網(wǎng)絡中心性；步驟S5：利用自適應提高分類器對腦功能磁共振圖像進行分類，并采用留一交叉驗證的測試方法對自適應提高分類器進行檢驗。
【技術特征摘要】
【專利技術屬性】
技術研發(fā)人員：田捷，劉振宇，白麗君，
申請(專利權)人：中國科學院自動化研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。