[发明专利]基于健康人群分布实现脑影像特征归一化处理的方法、系统、装置、处理器及其存储介质

说明书

本发明涉及一种基于健康人群分布实现脑影像特征归一化处理的方法，包括以下步骤：通过脑区分割及皮层重建获取健康被试的大脑形态学特征；通过协变量回归模型得到去除协变量影响后的特征；通过核密度估计得到特征分布概率密度函数；得到在特征维度下在健康人群分布中的分位数，作为归一化结果。本发明还涉及一种基于健康人群分布的实现脑影像特征归一化处理的装置、处理器及其计算机可读存储介质。采用了本发明的基于健康人群分布实现脑影像特征归一化处理的方法、系统、装置、处理器及其计算机可读存储介质，适用于实时特征分析系统中对特征的归一化处理，不依赖于样本标签相同的数据的分布，可实现跨多种疾病、以及疾病类型未知情况的特征归一化。

技术领域

本发明涉及磁共振图像数据处理领域，尤其涉及精神障碍诊疗领域，具体是指一种基于健康人群分布实现脑影像特征归一化处理的方法、系统、装置、处理器及其计算机可读存储介质。

背景技术

精神障碍与脑异常的关联早已获得公认，神经影像作为精确测量脑结构和功能的无创手段，对精神障碍的诊疗可发挥更大作用，为精神障碍的临床诊断和疗效预测提供定量的客观指标，但目前尚缺乏通过神经影像客观评价脑结构和功能异常的技术。

在评估从神经影像数据中提取的影像学特征时，不同患者个体间存在年龄、性别以及全脑体积方面的差异，这些个体差异均影响神经影像特征，但与疾病无关。因此需要发展在控制以上变异的基础上，评估神经影像特征异常的技术。

目前现有的方法中针对特征的预处理主要包括协变量回归、0-1标准化和z分数标准化等，此类操作需要利用研究中纳入的所有被试的影像特征，因此不适用于实时报告生成系统中针对未知被试的特征的处理；同时，由于不同疾病人群影像特征分布存在较大差异，因此上述特征处理操作在精神疾病、或疾病类型未知的情况下，会一定程度上影响特征的质量。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足准确性高、精度高、适用范围较为广泛的基于健康人群分布实现脑影像特征归一化处理的方法、系统、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于健康人群分布实现脑影像特征归一化处理的方法、系统、装置、处理器及其计算机可读存储介质如下：

该基于健康人群分布实现脑影像特征归一化处理的方法，其主要特点是，所述的方法包括以下步骤：

(1)收集健康人群的磁共振脑影像，通过脑区分割及皮层重建的方式，获取健康被试的大脑形态学特征；

(2)通过协变量回归模型对送检图像特征进行协变量校正，得到去除协变量影响后的特征；

(3)通过核密度估计得到健康人群在特征维度上的特征分布概率密度函数；

(4)通过特征分布概率密度函数得到在特征维度下在健康人群分布中的分位数，将分位数作为特征维度的归一化后的取值结果。

较佳地，所述的步骤(2)具体为：

(2.1)对每个特征维度，根据年龄、性别、全脑体积及指标间的交互项作为协变量建立协变量回归模型；

(2.2)通过协变量回归模型得到去除协变量影响后的特征。

较佳地，所述的步骤(2)中得到去除协变量影响后的特征，具体为：

根据以下公式得到去除协变量影响后的特征：

其中，为脑区分割和皮层重建后得到的健康人群在某一特征维度上的全部特征，为维度特征预测值，即原始特征中受到协变量影响的值。

较佳地，所述的维度特征预测值通过协变量回归模型得到，具体为：

根据以下公式得到维度特征预测值：