本發(fā)明涉及多發(fā)性硬化病灶的檢測及分類方法，具體為基于卷積神經(jīng)網(wǎng)絡(luò)的多發(fā)性硬化病灶檢測及分類方法。

背景技術(shù)：

多發(fā)性硬化是中樞神經(jīng)系統(tǒng)最常見的自免疫性疾病。全世界超過200萬病人，約萬分之三發(fā)病率。多發(fā)性硬化的地域差異明顯，高寒地區(qū)的發(fā)病率明顯比熱帶地區(qū)發(fā)病率高。雖然我國目前沒有權(quán)威的發(fā)病率數(shù)據(jù)，但是近30年來，我國罹患多發(fā)性硬化的病人逐年增高。迄今為止，多發(fā)性硬化的具體病因不明，目前普遍認(rèn)為是由遺傳，環(huán)境，自身免疫系統(tǒng)，以及病毒感染導(dǎo)致。由于臨床表現(xiàn)多樣，多發(fā)于青壯年，具有高復(fù)發(fā)，高致殘的特點(diǎn)，對(duì)病人個(gè)體家庭以及國家和社會(huì)資源的壓力很大，因此多發(fā)性硬化癥的診斷和治療受到越來越多的關(guān)注。由于沒有有效的根治手段，當(dāng)今的治療方法主要著眼于降低疾病發(fā)展和擴(kuò)張的速度，減少復(fù)發(fā)次數(shù)和頻率，控制新出現(xiàn)的病灶，從而減緩疾病的發(fā)展，提高患者的生存質(zhì)量。

核磁共振成像良好的軟組織分辨能力成為診斷多發(fā)性硬化最常用也是最重要的成像手段。多發(fā)性硬化所導(dǎo)致的髓鞘脫落缺損以及軸束損傷在傳統(tǒng)核磁共振成像方法中均能顯示。

深度學(xué)習(xí)在wikipedia中被定義為“一組針對(duì)具有多層輸入結(jié)構(gòu)模型而設(shè)計(jì)的機(jī)器學(xué)習(xí)算法”(set of algorithms in machine learning that attempt to learn layered models of inputs)。其中所指的具有多層輸入結(jié)構(gòu)的模型，主要指深層神經(jīng)網(wǎng)絡(luò)，即包含多個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)是一種構(gòu)造多層神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法，具有發(fā)現(xiàn)數(shù)據(jù)中隱藏的分布式特征表示的能力。卷積神經(jīng)網(wǎng)絡(luò)是近年來廣泛應(yīng)用在模式識(shí)別、圖像處理領(lǐng)域的一種高效識(shí)別算法具有簡單結(jié)構(gòu)、訓(xùn)練參數(shù)少和適應(yīng)性強(qiáng)的特點(diǎn)。它的權(quán)值共享網(wǎng)絡(luò)結(jié)構(gòu)使之更類似與生物神經(jīng)網(wǎng)絡(luò)降低了網(wǎng)絡(luò)的復(fù)雜度，減少了權(quán)值的數(shù)量。以二維圖像直接作為網(wǎng)絡(luò)的輸入避免了傳統(tǒng)是被算法中復(fù)雜的特征提取和數(shù)據(jù)重建過程。卷積神經(jīng)網(wǎng)絡(luò)是為識(shí)別二維形狀特殊設(shè)計(jì)的一個(gè)多層感知器這種網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于平移、比例縮放、傾斜和其他形式的變形有著高度的不變形。

卷積神經(jīng)網(wǎng)絡(luò)主要用于識(shí)別位移、縮放及其它形式扭曲不變形的二維圖像。由卷積神經(jīng)網(wǎng)絡(luò)的特征檢測層通過訓(xùn)練由于同一特征平面上的神經(jīng)元權(quán)值相同所以網(wǎng)絡(luò)可以并行學(xué)習(xí)這種以局部權(quán)值共享的特殊結(jié)構(gòu)在語音識(shí)別和圖像處理方面具有獨(dú)特的優(yōu)越性使其布局更類似于生物神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)較一般神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別方面有如下優(yōu)點(diǎn)：1、以二維圖像為網(wǎng)絡(luò)的直接輸入減少了復(fù)雜特征提取和數(shù)據(jù)重建等計(jì)算過程。2、輸入圖像和網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)能有很好的吻合。3、特征提取和模式分類同時(shí)進(jìn)行并在訓(xùn)練中產(chǎn)生。4、權(quán)值共享可以很大程度上減少網(wǎng)絡(luò)訓(xùn)練參數(shù)是網(wǎng)絡(luò)結(jié)構(gòu)的適應(yīng)性更強(qiáng)。

目前卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)被廣泛應(yīng)用于二維圖像處理、模式識(shí)別、機(jī)器視覺等領(lǐng)域并能很好地解決相關(guān)問題。多發(fā)性硬化是最常見的自免疫性疾病之一，準(zhǔn)確診斷患病與否是治療該疾病的前提。深度學(xué)習(xí)是一種構(gòu)造多層神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法，具有發(fā)現(xiàn)數(shù)據(jù)中隱藏的分布式特征表示的能力。針對(duì)腦電信號(hào)（MRI圖像），本發(fā)明提出了一種無監(jiān)督的卷積神經(jīng)網(wǎng)絡(luò)對(duì)腦部MRI圖像進(jìn)行訓(xùn)練與識(shí)別，通過檢測腦部白質(zhì)纖維素髓鞘的缺失狀況，以達(dá)到根據(jù)腦電信號(hào)中是否存在白質(zhì)纖維素髓鞘的缺失，幫助醫(yī)護(hù)人員對(duì)腦白質(zhì)疾病的診斷、判斷受試者是否患有多發(fā)性硬化的目的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的是引入了深度學(xué)習(xí)的手段，克服了傳統(tǒng)的醫(yī)護(hù)人員通過依靠圖像體像素點(diǎn)的大小和多少來估算白質(zhì)纖維素的大小的缺點(diǎn)，提供的一種基于基于卷積神經(jīng)網(wǎng)絡(luò)的多發(fā)性硬化病灶檢測及分類方法，幫助醫(yī)護(hù)人員完成對(duì)多發(fā)性硬化病灶的判斷。

本發(fā)明是采用如下的技術(shù)方案實(shí)現(xiàn)的：基于卷積神經(jīng)網(wǎng)絡(luò)的多發(fā)性硬化病灶檢測及分類方法，包括以下步驟：

（1）通過核磁共振儀獲得所需的腦電信號(hào)，包括存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)和不存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)；

（2）利用平滑濾波器對(duì)腦電信號(hào)進(jìn)行濾波處理，去除腦電信號(hào)中的噪聲；

（3）取不存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)、存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)作為訓(xùn)練樣本，對(duì)每個(gè)訓(xùn)練樣本白質(zhì)纖維素髓鞘部分進(jìn)行標(biāo)記，將標(biāo)記好的腦電信號(hào)輸入到卷積神經(jīng)網(wǎng)絡(luò)中，對(duì)其進(jìn)行訓(xùn)練；

（4）取待分類的腦電信號(hào)對(duì)其進(jìn)行濾波處理，同時(shí)對(duì)待分類的腦電信號(hào)的白質(zhì)纖維素髓鞘部分進(jìn)行標(biāo)記，將標(biāo)記好的待分類的腦電信號(hào)輸入到卷積神經(jīng)網(wǎng)絡(luò)中，由輸出結(jié)果得出該腦電信號(hào)屬于哪一種類型，即存在白質(zhì)纖維素髓鞘缺失的和不存在白質(zhì)纖維素髓鞘缺失的兩種信號(hào)中的一種。

本發(fā)明通過核磁共振儀獲得所需的腦電信號(hào)，包括存在白質(zhì)纖維素髓鞘缺失的和不存在白質(zhì)纖維素髓鞘缺失的兩種源信號(hào)，然后采用平滑濾波器對(duì)已采集到的腦電信號(hào)進(jìn)行濾波去噪。對(duì)經(jīng)過濾波器處理的腦電信號(hào)進(jìn)行標(biāo)記，這一步工作主要由有經(jīng)驗(yàn)的醫(yī)護(hù)人員進(jìn)行完成，然后將標(biāo)記好的腦電信號(hào)輸入到卷積神經(jīng)網(wǎng)絡(luò)中（本發(fā)明選擇的是caffe中的AlexNet框架），用卷積層提取特征，池化層對(duì)提取的特征進(jìn)行壓縮，經(jīng)過反復(fù)的卷積與池化得到魯棒性很高的特征，然后將特征輸入到全連接層。利用大量的數(shù)據(jù)對(duì)全連接層網(wǎng)絡(luò)進(jìn)行訓(xùn)練，隨機(jī)設(shè)定初值，計(jì)算當(dāng)前網(wǎng)絡(luò)的輸出，然后根據(jù)當(dāng)前網(wǎng)絡(luò)輸出與label之間的差值去改變前面各層的參數(shù)直至收斂，這樣一個(gè)卷積神經(jīng)網(wǎng)絡(luò)就訓(xùn)練好了，然后利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)新輸入的腦電信號(hào)進(jìn)行分類，幫助醫(yī)護(hù)人員完成對(duì)多發(fā)性硬化病灶的判斷。

附圖說明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

基于卷積神經(jīng)網(wǎng)絡(luò)的多發(fā)性硬化病灶檢測及分類方法，包括以下步驟：

（1）通過核磁共振儀獲得所需的腦電信號(hào)，包括存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)和不存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)；

（2）利用平滑濾波器對(duì)腦電信號(hào)進(jìn)行濾波處理，去除腦電信號(hào)中的噪聲；

（3）取不存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)、存在白質(zhì)纖維素髓鞘缺失的腦電信號(hào)作為訓(xùn)練樣本，對(duì)每個(gè)訓(xùn)練樣本白質(zhì)纖維素髓鞘部分進(jìn)行標(biāo)記，將標(biāo)記好的腦電信號(hào)輸入到卷積神經(jīng)網(wǎng)絡(luò)中（選用caffe中的AlexNet框架），對(duì)其進(jìn)行訓(xùn)練；

（4）取待分類的腦電信號(hào)對(duì)其進(jìn)行濾波處理，同時(shí)對(duì)待分類的腦電信號(hào)的白質(zhì)纖維素髓鞘部分進(jìn)行標(biāo)記，將標(biāo)記好的待分類的腦電信號(hào)輸入到卷積神經(jīng)網(wǎng)絡(luò)中，由輸出結(jié)果得出該腦電信號(hào)屬于哪一種類型，即存在白質(zhì)纖維素髓鞘缺失的和不存在白質(zhì)纖維素髓鞘缺失的兩種信號(hào)中的一種。