[发明专利]基于总体相关系数的阿尔茨海默症特征提取方法及系统

权利要求书

1.基于总体相关系数的阿尔茨海默症特征提取方法，其特征在于：包括以下步骤：

获取阿尔茨海默症的磁共振成像数据；

采用基于总体相关系数的遗传算法对获取的磁共振成像数据进行特征寻优，得到阿尔茨海默症的关键特征，其中，所述基于总体相关系数的遗传算法以总体相关系数作为启发性知识，并以分类效果最优为目标来提取关键特征；

所述采用基于总体相关系数的遗传算法对获取的磁共振成像数据进行特征寻优，得到阿尔茨海默症的关键特征这一步骤，具体包括：

对阿尔茨海默症的磁共振成像数据进行预处理，得到若干个样本以及每个样本关于左右脑各个区域的所有相关特征；

根据得到的所有相关特征采用基于总体相关系数的遗传算法提取出阿尔茨海默症的关键特征；

所述根据得到的所有相关特征采用基于总体相关系数的遗传算法提取出阿尔茨海默症的关键特征这一步骤，具体包括：

分别计算得到的所有相关特征中每个特征的总体相关系数，并根据计算的总体相关系数值的大小对所有相关特征进行降序排序和分类，从而将相关特征按照总体相关系数值的大小划入高质量特征集、中质量特征集或低质量特征集；

对所有相关特征进行二进制编码，所述进行二进制编码时一个染色体中基因为1代表该位上的特征为关键特征，基因为0代表该位上的特征为非关键特征；

确定遗传策略，所述遗传策略包括群体规模大小、选择算子、交叉算子和变异概率；

根据降序排序和分类的结果以及二进制编码的结果，初始化种群为1111……0000，其中，1的数量为高质量特征集中特征的数量，0的数量为中质量特征集中特征的数量与低质量特征集中特征的数量之和；

按设定比例将若干个样本划分为训练样本和测试样本；

根据染色体与关键特征集的映射关系，选择训练样本的关键特征训练阿尔茨海默症分类器；

通过测试样本对阿尔茨海默症分类器进行测试，得到训练样本的关键特征在阿尔茨海默症分类器中的平均分类准确率和平均受试者工作特征曲线下面积值，并把平均受试者工作特征曲线下面积值作为染色体的适应度值；

根据染色体的适应度值和遗传策略进行迭代选择、交叉和变异操作，最终得到分类效果最优的关键特征作为阿尔茨海默症的关键特征；

其中，总体相关系数在基于粗集理论和主成分分析的知识获取方法中用于代表条件属性与样本相关矩阵中所有主成分的关联程度。

2.根据权利要求1所述的基于总体相关系数的阿尔茨海默症特征提取方法，其特征在于：所述获取阿尔茨海默症的磁共振成像数据这一步骤，具体为：

从阿尔茨海默症神经影像学倡议标准数据库中选取若干张磁共振图像作为阿尔茨海默症的磁共振成像数据。

3.根据权利要求1所述的基于总体相关系数的阿尔茨海默症特征提取方法，其特征在于：所述根据染色体的适应度值和遗传策略进行迭代选择、交叉和变异操作，最终得到分类效果最优的关键特征作为阿尔茨海默症的关键特征这一步骤，具体包括：

根据染色体的适应度值，采用基于轮盘赌选择法的选择算子选择复制优良染色体进入下一代；

对选出的染色体根据单点交叉算子进行交叉操作，产生新染色体；

对新染色体根据变异概率进行变异操作，得到下一代新染色体；

判断迭代是否已满足预定的迭代终止条件，若是，则执行下一步骤的操作，反之，则返回根据染色体的适应度值，采用基于轮盘赌选择法的选择算子选择复制优良染色体进入下一代这一步骤；

根据迭代终止时的适应度值得到最优染色体，并根据染色体与关键特征集的映射关系对最优染色体进行解码，最终得到阿尔茨海默症的关键特征。

4.根据权利要求3所述的基于总体相关系数的阿尔茨海默症特征提取方法，其特征在于：所述高质量特征集中特征的总体相关系数大于0.3，所述质量特征集中特征的总体相关系数大于0.2且小于等于0.3，所述低质量特征集中特征的总体相关系数小于等于0.2；所述预定的迭代终止条件为父子两代染色体的适应度值之差的绝对值小于0.0001或迭代次数达到100000。