[发明专利]一种基于神经影像的大脑年龄估计方法

说明书

一种基于神经影像评估大脑年龄的方法涉及大脑年龄预测领域。在基于神经影像提取大脑老化特征的过程上缺乏有效、可靠、敏感的技术。本发明具体实现如下：步骤1:建立神经影像数据集；步骤2:神经影像预处理；步骤3:特征的提取；步骤4:特征池化及降维；步骤5:特征选择及模型构建。本发明评估人体大脑发展过程中与平均发展轨迹的偏离程度，为大脑发展提供了无创性、普适性的预警评估。

技术领域

本发明涉及大脑年龄预测领域，更具体的涉及一种基于神经影像估计大脑年龄的方法。

背景技术

大脑作为人体最高级的神经中枢，支配着人体的各种思想行为和社会活动。随着年龄的增长，大脑的组织结构、功能形态均会逐渐出现不同程度的改变。个体脑发展轨迹相对健康大脑平均发展轨迹的偏离程度，可以为该大脑中潜在的问题做一个提前预警。因此，基于神经影像数据中包含的大脑特征模式构建大脑健康评估模型，有助于了解大脑的亚健康状态，为大脑发展提供了无创性、普适性预警。

在脑年龄预测领域，已有相关研究(Franke K,Ziegler G,S,et al.Estimating the age of healthy subjects from T1-weighted MRI scans usingkernel methods:exploring the influence of various parameters.[J].Neuroimage,2010, 50(3):883-892.)利用脑结构磁共振成像，基于MRI影像中的灰质密度信息，估计健康人大脑年龄。但该研究并未在灰质密度信息基础上进行进一步特征提取与特征优化。

更有相关发明(申请号为201510413374.0，申请日为2015.07.14，发明创造名称为：一种基于核磁共振影像的脑龄分析方法)提出了基于核磁共振影像数据构建功能脑区与体素水平的脑结构网络，提取特征，基于线性回归模型预测大脑年龄。但整个模型是基于敏感度较差的脑影像特征直接进行处理。

在基于神经影像提取大脑老化特征的过程上缺乏有效、可靠、敏感的技术。随着近年来深度学习在图像处理领域的蓬勃发展，深度学习方法为该领域研究提供了一种新手段。深度学习网络模型基于海量数据的学习数据的潜在分布规律。深层卷积可以对图像的复杂特征做更具体的表达。据于此本发明针对目前在脑年龄预测领域面临的特征提取问题提出了利用深度学习中的迁移学习的思想来提取医学影像特征，即使用基于自然影像大数据训练好的模型，提取出神经影像中有效、关键的形态学特征，后期再将此类特征运用于机器学习的模型，得到脑年龄预测结果。

发明内容

本发明旨在提供一种基于神经影像的大脑年龄估计的处理系统及方法，评估人体大脑发展过程中与平均发展轨迹的偏离程度，为大脑发展提供了无创性、普适性的预警评估。

本发明的目的主要通过以下的技术方案，具体实现如下：

步骤1:建立神经影像数据集；

步骤2:神经影像预处理；

步骤3:特征的提取；

步骤4:特征池化及降维；

步骤5:特征选择及模型构建；

步骤1具体为：

选取ADNI(Alzheimer’s Disease Neuroimaging Initiative)、IXI(InformationeXtraction from Images)、OASIS(Open Access Series of Imaging Studies)数据库的MRI图像。

步骤2具体为：

2.1利用SPM(Statistical Parametric Mapping)对于所选的神经影像图像做图像格式标准化、图像对齐、脑图像组织分割、空间标准化以及高斯平滑处理；