專(zhuān)利名稱(chēng)：一種基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法。
背景技術(shù)：
功能磁共振成像(functionalMagnetic Resonance Imaging, fMRI)以其高時(shí)空分辨率，非侵入式等特點(diǎn)在神經(jīng)疾病診斷治療方面得到了廣泛應(yīng)用。fMRI —般指基于血氧·水平依賴(lài)(blood oxygen level-dependent, BOLD)的磁共振成像,它通過(guò)測(cè)量由神經(jīng)活動(dòng)引起的腦血流和腦血氧等成分變化而造成的磁共振信號(hào)變化來(lái)反映腦活動(dòng)。腦是一個(gè)復(fù)雜的系統(tǒng)，在受到刺激條件或經(jīng)歷病變時(shí)腦的磁共振圖像會(huì)發(fā)生相應(yīng)的變化。利用圖像分類(lèi)方法，計(jì)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(dòng)判別圖像的類(lèi)別屬性，是計(jì)算機(jī)輔助分析的一個(gè)重要應(yīng)用。傳統(tǒng)的功能磁共振圖像分類(lèi)方法主要有感興趣區(qū)域(ROI)方式和體素(voxel)方式兩種分類(lèi)方法。感興趣區(qū)域方式的分類(lèi)方法依據(jù)目標(biāo)結(jié)構(gòu)的先驗(yàn)知識(shí)，將樣本和目標(biāo)分割成多個(gè)目標(biāo)區(qū)域，并據(jù)此對(duì)目標(biāo)進(jìn)行分類(lèi)；體素方式的分類(lèi)方法采用復(fù)雜的非線性配準(zhǔn)，以最大限度地實(shí)現(xiàn)個(gè)體間的精確對(duì)應(yīng)，然后以圖像的每一個(gè)空間單位(體素)作為分類(lèi)依據(jù)。這兩種方法都假設(shè)目標(biāo)與樣本的內(nèi)部組織結(jié)構(gòu)是一一對(duì)應(yīng)的。前者認(rèn)為先驗(yàn)的圖像區(qū)域存在于每一個(gè)目標(biāo)圖像當(dāng)中，并且能夠準(zhǔn)確分割；后者假定非線性配準(zhǔn)后的體素是一一對(duì)應(yīng)的。然而，這樣的假設(shè)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(huì)受到多方面因素的干擾，傳統(tǒng)的分類(lèi)方法都不是根據(jù)腦的固有屬性對(duì)腦功能磁共振圖像進(jìn)行分類(lèi)的，因此都會(huì)導(dǎo)致分類(lèi)性能的下降。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問(wèn)題為了克服已有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問(wèn)題是設(shè)計(jì)一種分類(lèi)準(zhǔn)確率高、泛化性能強(qiáng)的腦功能磁共振圖像分類(lèi)方法。( 二 )技術(shù)方案為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，包括步驟SI :對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理，然后進(jìn)行腦區(qū)分割，并提取各個(gè)腦區(qū)的平均時(shí)間序列；步驟S2 :計(jì)算平均各個(gè)時(shí)間序列之間的偏相關(guān)系數(shù)，得到偏相關(guān)系數(shù)矩陣；步驟S3 :將偏相關(guān)系數(shù)矩陣二值化，得到腦網(wǎng)絡(luò)模型；步驟S4 計(jì)算網(wǎng)絡(luò)中各節(jié)點(diǎn)的網(wǎng)絡(luò)中心性；步驟S5 :利用自適應(yīng)提高分類(lèi)器對(duì)腦功能磁共振圖像進(jìn)行分類(lèi)，并采用留一交叉驗(yàn)證的測(cè)試方法對(duì)自適應(yīng)提高分類(lèi)器進(jìn)行檢驗(yàn)。
上述方案中，所述步驟SI包括步驟Sll :對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理；步驟S12 :對(duì)預(yù)處理后的腦功能磁共振圖像進(jìn)行分割；步驟S13 :提取各腦區(qū)的平均時(shí)間序列。上述方案中，步驟Sll中所述對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理保留了腦功能圖像細(xì)節(jié)，同時(shí)使用腦功能圖像與標(biāo)準(zhǔn)模板進(jìn)行仿射配準(zhǔn)變換方式的預(yù)處理，并提高圖像的信噪比，至少包括切片掃描時(shí)間對(duì)齊、圖像序列對(duì)齊、聯(lián)合配準(zhǔn)、標(biāo)準(zhǔn)化或均一化、空間平滑濾波和時(shí)間平滑濾波。上述方案中，步驟S12中所述對(duì)預(yù)處理后的腦功能磁共振圖像進(jìn)行分割，是采用國(guó)際通用的結(jié)構(gòu)標(biāo)記模板(AAL)，將全腦分為90個(gè)腦區(qū)。上述方案中，步驟S13中所述提取各腦區(qū)的平均時(shí)間序列，包括將全腦分為90個(gè)腦區(qū)后，依據(jù)預(yù)處理后的腦功能磁共振圖像的數(shù)據(jù)，分別提取每個(gè)腦區(qū)內(nèi)部各個(gè)體素在不同時(shí)間點(diǎn)上的激活值，再將各個(gè)體素在各時(shí)間點(diǎn)上的激活值進(jìn)行平均，得到平均時(shí)間序列；所述激活值是指各個(gè)體素在不同時(shí)間點(diǎn)上的血氧水平依賴(lài)(BOLD)強(qiáng)度。
·
上述方案中，所述步驟S2包括步驟S21 :計(jì)算平均時(shí)間序列間的協(xié)方差系數(shù)；步驟S22 :計(jì)算平均時(shí)間序列間的偏相關(guān)系數(shù)；步驟S23 :對(duì)偏相關(guān)系數(shù)進(jìn)行Fisher變換，得到偏相關(guān)系數(shù)矩陣。上述方案中，步驟S21中所述計(jì)算平均時(shí)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(gè)腦區(qū)的時(shí)間序列，計(jì)算各個(gè)平均時(shí)間序列之間的協(xié)方差矩陣S，S的每個(gè)元素Sijj為第i個(gè)和第j個(gè)時(shí)間序列之間的協(xié)方差系數(shù)，
權(quán)利要求
1.ー種基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，包括 步驟SI :對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理，然后進(jìn)行腦區(qū)分割，并提取各個(gè)腦區(qū)的平均時(shí)間序列； 步驟S2 :計(jì)算平均各個(gè)時(shí)間序列之間的偏相關(guān)系數(shù)，得到偏相關(guān)系數(shù)矩陣； 步驟S3 :將偏相關(guān)系數(shù)矩陣ニ值化，得到腦網(wǎng)絡(luò)模型； 步驟S4 :計(jì)算網(wǎng)絡(luò)中各節(jié)點(diǎn)的網(wǎng)絡(luò)中心性； 步驟S5 :利用自適應(yīng)提高分類(lèi)器對(duì)腦功能磁共振圖像進(jìn)行分類(lèi)，并采用留ー交叉驗(yàn)證的測(cè)試方法對(duì)自適應(yīng)提高分類(lèi)器進(jìn)行檢驗(yàn)。
2.根據(jù)權(quán)利要求I所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，所述步驟SI包括 步驟Sll :對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理； 步驟S12 :對(duì)預(yù)處理后的腦功能磁共振圖像進(jìn)行分割； 步驟S13 :提取各腦區(qū)的平均時(shí)間序列。
3.根據(jù)權(quán)利要求2所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟Sll中所述對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理保留了腦功能圖像細(xì)節(jié)，同時(shí)使用腦功能圖像與標(biāo)準(zhǔn)模板進(jìn)行仿射配準(zhǔn)變換方式的預(yù)處理，并提高圖像的信噪比，至少包括切片掃描時(shí)間對(duì)齊、圖像序列對(duì)齊、聯(lián)合配準(zhǔn)、標(biāo)準(zhǔn)化或均一化、空間平滑濾波和時(shí)間平滑濾波。
4.根據(jù)權(quán)利要求2所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S12中所述對(duì)預(yù)處理后的腦功能磁共振圖像進(jìn)行分割，是采用國(guó)際通用的結(jié)構(gòu)標(biāo)記模板(AAL)，將全腦分為90個(gè)腦區(qū)。
5.根據(jù)權(quán)利要求2所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S13中所述提取各腦區(qū)的平均時(shí)間序列，包括 將全腦分為90個(gè)腦區(qū)后，依據(jù)預(yù)處理后的腦功能磁共振圖像的數(shù)據(jù)，分別提取每個(gè)腦區(qū)內(nèi)部各個(gè)體素在不同時(shí)間點(diǎn)上的激活值，再將各個(gè)體素在各時(shí)間點(diǎn)上的激活值進(jìn)行平均，得到平均時(shí)間序列；所述激活值是指各個(gè)體素在不同時(shí)間點(diǎn)上的血氧水平依賴(lài)(BOLD)強(qiáng)度。
6.根據(jù)權(quán)利要求I所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，所述步驟S2包括 步驟S21 :計(jì)算平均時(shí)間序列間的協(xié)方差系數(shù)； 步驟S22 :計(jì)算平均時(shí)間序列間的偏相關(guān)系數(shù)； 步驟S23 :對(duì)偏相關(guān)系數(shù)進(jìn)行Fisher變換，得到偏相關(guān)系數(shù)矩陣。
7.根據(jù)權(quán)利要求6所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S21中所述計(jì)算平均時(shí)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(gè)腦區(qū)的時(shí)間序列，計(jì)算各個(gè)平均時(shí)間序列之間的協(xié)方差矩陣S，S的每個(gè)元素Sy為第i個(gè)和第j個(gè)時(shí)間序列之間的協(xié)方差系數(shù)，
8.根據(jù)權(quán)利要求6所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S22中所述計(jì)算平均時(shí)間序列間的偏相關(guān)系數(shù)，包括 首先計(jì)算平均時(shí)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(gè)元素Sy為第i個(gè)和第j個(gè)時(shí)間序列之間的協(xié)方差系數(shù)，
9.根據(jù)權(quán)利要求6所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S23中所述對(duì)偏相關(guān)系數(shù)進(jìn)行Fisher變換，得到偏相關(guān)系數(shù)矩陣，包括 依據(jù)偏相關(guān)系數(shù)矩陣R，計(jì)算經(jīng)過(guò)Fisher變換的偏相關(guān)系數(shù)矩陣F，F(xiàn)的每個(gè)元素fu為
10.根據(jù)權(quán)利要求I所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，所述步驟S3包括 設(shè)定閾值T’，令經(jīng)過(guò)Fisher變換后的偏相關(guān)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(fù)雜網(wǎng)絡(luò)模型；其中偏相關(guān)系數(shù)矩陣F的矩陣維度為90X90 ;ニ值化后的矩陣中I表示兩個(gè)腦區(qū)之間有連接，即網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)之間的邊存在，O則表示兩個(gè)腦區(qū)之間沒(méi)有連接，即網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)之間沒(méi)有邊； 閾值選取的方法為使選用此閾值進(jìn)行了ニ值化后的網(wǎng)絡(luò)中包含了所有的節(jié)點(diǎn)。
11.根據(jù)權(quán)利要求10所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在 于，步驟S3所述ニ值化的過(guò)程可描述為令
12.根據(jù)權(quán)利要求I所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，所述步驟S4包括 依據(jù)腦網(wǎng)絡(luò)模型，計(jì)算網(wǎng)絡(luò)中各節(jié)點(diǎn)的網(wǎng)絡(luò)中心性，作為功能磁共振圖像的特征；其中計(jì)算網(wǎng)絡(luò)中心性的步驟為網(wǎng)絡(luò)中各節(jié)點(diǎn)的網(wǎng)絡(luò)中心性描述了網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)的重要程度；節(jié)點(diǎn)i的網(wǎng)絡(luò)中心性定義為網(wǎng)絡(luò)中除i以外的任意兩個(gè)節(jié)點(diǎn)之間通過(guò)了節(jié)點(diǎn)i的特征路徑的數(shù)目與該兩個(gè)節(jié)點(diǎn)之間所有特征路徑數(shù)目的比值，即
13.根據(jù)權(quán)利要求I所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，所述步驟S5包括 得到訓(xùn)練腦功能磁共振圖像的特征后，首先將每ー個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)中心性作為ー個(gè)線性分類(lèi)器，用這些線性分類(lèi)器的加權(quán)和組成一個(gè)新的自適應(yīng)提高分類(lèi)器，最初每個(gè)分類(lèi)器的權(quán)重設(shè)為
14.根據(jù)權(quán)利要求13所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S5中所述得到一個(gè)最優(yōu)的自適應(yīng)提高分類(lèi)器的具體過(guò)程包括對(duì)給定的樣本(X^y1),...，(xm，ym)，其中Xi e X，yi e Y = (-1,1), X為訓(xùn)練腦功能磁共振圖像的網(wǎng)絡(luò)特征，Y為圖像類(lèi)別，首先設(shè)定初始化分類(lèi)器的權(quán)重為
15.根據(jù)權(quán)利要求13所述的基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，其特征在于，步驟S5中所述交叉驗(yàn)證的過(guò)程為 毎次驗(yàn)證過(guò)程將ー個(gè)樣本作為測(cè)試樣本，其余的樣本作為訓(xùn)練樣本，得到分類(lèi)器的分類(lèi)結(jié)果；進(jìn)行m次驗(yàn)證后得到平均的分類(lèi)結(jié)果作為分類(lèi)器的分類(lèi)結(jié)果，通過(guò)分類(lèi)正確率、真陽(yáng)性率和假陽(yáng)性率輸出，其中m為樣本數(shù)目。
全文摘要
本發(fā)明公開(kāi)了一種基于網(wǎng)絡(luò)中心性的腦功能磁共振圖像分類(lèi)方法，包括對(duì)腦功能磁共振圖像進(jìn)行預(yù)處理，然后進(jìn)行腦區(qū)分割，并提取各個(gè)腦區(qū)的平均時(shí)間序列；計(jì)算平均各個(gè)時(shí)間序列之間的偏相關(guān)系數(shù)，得到偏相關(guān)系數(shù)矩陣；將偏相關(guān)系數(shù)矩陣二值化，得到腦網(wǎng)絡(luò)模型；計(jì)算網(wǎng)絡(luò)中各節(jié)點(diǎn)的網(wǎng)絡(luò)中心性；利用自適應(yīng)提高分類(lèi)器對(duì)腦功能磁共振圖像進(jìn)行分類(lèi)，并采用留一交叉驗(yàn)證的測(cè)試方法對(duì)自適應(yīng)提高分類(lèi)器進(jìn)行檢驗(yàn)。本發(fā)明利用腦功能磁共振圖像構(gòu)建了腦功能網(wǎng)絡(luò)，利用了網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)信息進(jìn)行分類(lèi)，能夠精確的對(duì)腦功能磁共振圖像進(jìn)行分類(lèi)。
文檔編號(hào)G06K9/62GK102855491SQ201210262108
公開(kāi)日2013年1月2日 申請(qǐng)日期2012年7月26日 優(yōu)先權(quán)日2012年7月26日
發(fā)明者田捷, 劉振宇, 白麗君 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所