[发明专利]一种基于多尺度网格曲面形状特征的阿尔茨海默病脑皮层自动分类方法

摘要

本发明公开了一种基于多尺度网格曲面形状特征的阿尔茨海默病脑皮层自动分类方法，步骤如下：确定阿尔茨海默病患者(AD)和正常人(NC)两组样本，并等比例分成样本集和测试集；依据样本的脑部磁共振(MRI)图像提取多尺度网格曲面；针对各顶点计算局部点面距离(LVPD)和平均曲率；以平滑过的LVPD和平均曲率为观测指标，提取具有显著统计学差异的区域，并筛选出两种指标意义下的种子点；对训练集每个样本提取特征行向量，构成特征矩阵，用降维后的特征矩阵结合相应样本类别来训练分类器；用测试集样本测试分类器性能。本发明克服了现有技术易受皮层分割误差影响和可能遗漏某个尺度差异的缺点，实现了依据脑皮层多尺度形状特征为依据的两组样本分类。

主权项

一种基于多尺度网格曲面形状特征的阿尔茨海默病脑皮层自动分类方法，其特征在于，包括如下步骤：(1)按临床医学诊断标准，分别采集正常人对照组(NC)和阿尔茨海默病组(AD)的大脑磁共振图像，两组样本的数目相等或接近，并从两组样本中等比例地选择一部分样本用作训练集，剩余的作为测试集；(2)针对所有样本的大脑核磁共振图像，经过图像强度矫正、配准至标准脑、灰质/白质/脑脊液分割、脑皮层表面提取与配准、顶点采样等过程得到各样本脑皮层的各尺度三角网格曲面G_j(1≤j≤L)，j称为网格曲面G_j的尺度，且G_L为最精细网格曲面，G₀为最粗糙网格曲面；(3)记第j级三角网格曲面G_j中任意顶点为p，定义顶点p的1‑环邻域内的顶点构成的集合为E_p，并用集合E_p内的所有顶点构造一个平面f_p，记顶点p到该平面f_p的距离为顶点p的局部点面距离d_p；(4)计算各尺度网格上顶点p的局部点面距离d_p和该顶点的平均曲率c_p，并用半高全宽半径为10毫米的扩散核函数对d_p和c_p分别进行平滑，得到平滑后的局部点面距离d_p和平均曲率c′_p；(5)结合样本人口学信息，建立关于观测值与性别、年龄和分组类别的多元线性回归模型，以各尺度网格上顶点的局部点面距离d′_p为观测值，通过双样本T检验对AD和NC两组的训练集进行组间比较，得到局部点面距离意义下各尺度网格上顶点的统计学差异显著性水平值；以各尺度网格上顶点的平均曲率c′_p为观测值，通过双样本T检验对AD和NC两组的训练集进行组间比较，得到平均曲率意义下各尺度网格上顶点的统计学差异显著性水平值；(6)针对训练集样本，以各尺度网格上顶点的统计学差异显著性水平值为标准，初步筛选出局部点面距离意义下的种子点p_di，i为筛选出的第i个种子点，1≤i≤N₀，N₀为符合初步筛选条件的所有尺度上种子点的总个数，d表示以局部点面距离为指标；初步筛选出平均曲率意义下的种子点p_cq，q为筛选出的第q个种子点，1≤q≤M₀，M₀为符合初步筛选条件的所有尺度上种子点的总个数，c表示以平均曲率为指标；(7)针对训练集样本，对每个初步筛选出的种子点p_di进行区域生长，得到每个种子点对应的差异区域顶点集合J_di，其中1≤i≤N，N是经过二次筛选后的局部点面距离意义下的所有尺度上种子点的总个数；对每个初步筛选出的种子点p_cq进行区域生长得到每个种子点对应的差异区域顶点集合J_cq，其中1≤q≤M，M是经过二次筛选后的平均曲率意义下的所有尺度上种子点的总个数；(8)针对训练集每个样本，计算各个差异区域顶点集合J_di(1≤i≤N)内所有顶点的局部点面距离均值u_di(1≤i≤N)，以种子点序号从小到大的顺序排列u_di，得到表征每个样本所有尺度上局部点面距离大小的行向量U_d＝[u_di，i＝1...N]；(9)针对训练集每个样本，计算每一个差异区域顶点集合J_cq(1≤q≤M)内所有顶点的平均曲率均值u_cq(1≤q≤M)，以种子点序号从小到大的顺序排列μ_cq，得到表征每个样本所有尺度上平均曲率大小的行向量U_c＝[u_cq，q＝1...M]；(10)针对训练集每个样本，将行向量U_d＝[u_di，i＝1...N]和行向量U_c＝[u_cq，q＝1...M]合并成为得到表征每个样本所有尺度上形状特征大小的行向量U＝[u_di，u_cq]，i＝1...N，q＝1...M，将训练集所有样本行向量U构成每行元素个数为N+M的训练集特征矩阵T；(11)对训练集特征矩阵T进行归一化，并使用主分量分析进行降维处理，选取每一行的前K个元素，K＜N+M，构成训练集的降维特征矩阵(12)对测试集所有样本采用与步骤(6)到步骤(11)相同的方法，计算测试集的降维特征矩阵(13)将训练集的降维特征矩阵和各样本的分组类别输入支撑向量机完成分类器的训练，输出经过训练得到的分类器的各项系数；(14)为了测试分类器的性能，将测试集的降维特征矩阵输入相应的分类器，并将分类器输出结果与样本相应的分类组别相比较，输出分类的准确率、敏感性和特异性的数值。