[发明专利]多中心大脑弥散张量成像图分类方法及系统

权利要求书

1.一种多中心大脑弥散张量成像图分类方法，其特征在于，包括：获

取多中心大脑弥散张量成像图，并提取成像图的特征；

标准化处理提取后的特征，并展开到同一维度，且将中心编号、被实例性别和年龄信息并入标准化后的特征；

使用弹性网络回归筛选标准化后的特征；

弹性回归网络融合了Lasso回归和岭回归的回归模型，合并了L1正则化项和L2正则化项；

对筛选后的特征进行再次标准化处理；

对再次标准化处理的特征使用Adaboost算法进行再次特征筛选；使用Adaboost算法进行再次特征筛选的过程中，通过集成学习弱分类器从而选择表现最佳的特征得到最优目标特征子集；其中，弱分类器由一些决策桩、BP神经网络和SVM构成；

对中心编号进行独热编码，使得中心编号这一特征扩增到中心数目个特征；

将再次筛选的特征及中心编号标签输入至逻辑回归模型，得到多中心大脑弥散张量成像图分类结果，分类结果包括中心编号标签对应的成像图属于正常图及属于阿尔兹海默症图两类。

2.如权利要求1所述的多中心大脑弥散张量成像图分类方法，其特征在于，提取成像图的特征包括体积、挠率、曲率和线性度。

3.如权利要求1所述的多中心大脑弥散张量成像图分类方法，其特征在于，标准化处理提取后的特征的过程中，对做Robust标准化处理离群点，使用均值填充缺省值。

4.如权利要求1所述的多中心大脑弥散张量成像图分类方法，其特征在于，对筛选后的特征使用Z_score标准化方法进行再次标准化处理，将特征在不改变数据分布的前提下缩放到同一尺度，缩放后的数据均值为0，标准差为1。

5.如权利要求1所述的多中心大脑弥散张量成像图分类方法，其特征在于，逻辑回归模型收敛后得到最优的特征权重即分类参数。

6.一种多中心大脑弥散张量成像图分类系统，其特征在于，包括：

成像图特征提取模块，其用于获取多中心大脑弥散张量成像图，并提取成像图的特征；

特征标准化模块，其用于标准化处理提取后的特征，并展开到同一维度，且将中心编号、被实例性别和年龄信息并入标准化后的特征；

特征筛选模块，其用于使用弹性网络回归筛选标准化后的特征；弹性回归网络融合了Lasso回归和岭回归的回归模型，合并了L1正则化项和L2正则化项；

特征再次标准化模块，其用于对筛选后的特征进行再次标准化处理；

特征再次筛选模块，其用于对再次标准化处理的特征使用Adaboost算法进行再次特征筛选；使用Adaboost算法进行再次特征筛选的过程中，通过集成学习弱分类器从而选择表现最佳的特征得到最优目标特征子集；其中，弱分类器由一些决策桩、BP神经网络和SVM构成；

独热编码模块，其用于对中心编号进行独热编码，使得中心编号这一特征扩增到中心数目个特征；

成像图分类模块，其用于将再次筛选的特征及中心编号标签输入至逻辑回归模型，得到多中心大脑弥散张量成像图分类结果，分类结果包括中心编号标签对应的成像图属于正常图及属于阿尔兹海默症图两类。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的多中心大脑弥散张量成像图分类方法中的步骤。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的多中心大脑弥散张量成像图分类方法中的步骤。