[发明专利]一种基于关键纤维束的轻度认知障碍症评估方法

权利要求书

1.一种基于关键纤维束的轻度认知障碍症评估方法，其特征在于：包括以下步骤：

步骤(1)利用纤维自动量化方法对轻度认知障碍症患者组样本和健康对照组样本个体的扩散磁共振图像进行全脑纤维束进行跟踪，剔除游离纤维束，获得初步全脑纤维束集，然后利用纤维束的感兴趣区域和概率图谱，剔除错误纤维，获得全脑白质纤维束集；

步骤(2)将每个关键纤维束内的每根纤维重采样到100个等距节点来量化纤维束中心部分的扩散特性，计算多项特征指标，然后统计并分析两组间纤维束的差异，得到存在显著性差异的关键纤维束组；

步骤(3)将存在差异的纤维束组的多项特征指标以特征向量表示，然后利用主成分分析法对提取的所有特征向量进行特征级融合，作为每个样本的多维特征向量；

步骤(4)将样本分为训练集和测试集，选择径向基核函数的支持向量机SVM，用训练集的特征向量对SVM分类器进行训练，训练完成后，将测试集的特征向量输入SVM分类器进行分类评估，并评价评估结果。

2.如权利要求1所述的一种基于关键纤维束的轻度认知障碍症评估方法，其特征在于：所述步骤(1)的具体包括：

步骤(1.1)采用的的纤维自动量化方法中的跟踪方法为确定性跟踪方法：给定一个或多个起始点，根据设定的计算方法搜索新的跟踪方向，不断向前传播，直到达到某些终止条件，最终得到一条纤维流线轨迹，对于终止条件，即全脑纤维束的各向异性指数值低于0.2或者纤维束弯曲角度大于45°时停止跟踪该纤维束，并剔除不符合跟踪条件的游离纤维束，获得初步全脑纤维束集；

步骤(1.2)利用纤维束的感兴趣区域和概率图谱，剔除错误纤维，获得全脑白质纤维束集的具体步骤如下：

设定纤维束起始和终止区域作为感兴趣区域，从全脑纤维中筛选出同时经过两个感兴趣区域的纤维，然后根据各个关键纤维束的概率图谱，剔除错误纤维，获得全脑白质纤维束集。

3.如权利要求1所述的一种基于关键纤维束的轻度认知障碍症评估方法，其特征在于：所述步骤(2)的具体包括：

步骤(2.1)采用多项特征指标来衡量大脑可塑性，分别是部分各向异性指数、平均弥散率、轴向扩散度和径向扩散度，利用张量模型计算体素内张量的特征值；

步骤(2.2)统计并分析两组间纤维束的差异，找出存在显著性差异的纤维束的具体步骤如下：采用独立样本T检验和皮尔逊检验对两组纤维束的多项特征指标进行分析，计算p-value值并做FDR校正，将p＜0.05视为具有统计学差异，由此得到存在显著性差异的关键纤维束组。

4.如权利要求1所述的一种基于关键纤维束的轻度认知障碍症评估方法，其特征在于：所述步骤(3)的具体包括：

步骤(3.1)提取样本的关键纤维束的多项特征指标平均值并组成该样本的特征向量，然后对其进行标准化处理，并计算相关系数矩阵的特征值和特征向量；

步骤(3.2)利用主成分分析法对上述提取的所有特征向量进行特征级融合，当n个主成分的累积贡献率超过90％时，选取这n个主成分完成特征级融合，最终每个样本以n个多维的特征向量表示。

5.如权利要求1所述的一种基于关键纤维束的轻度认知障碍症评估方法，其特征在于：所述步骤(4)具体包括：

基于SVM方法构建特征向量分类器，实现对轻度认知障碍症的分类评估，选择径向基核函数的支持向量机，结合v折交叉验证法，用m-1，m和m+1折构建三个分类器进行训练，然后将测试集的特征向量分别输入三个SVM分类器进行分类，取预测准确率最高的分类器为最优分类，同时计算敏感性和特异性作为评估结果评价标准。