基于腦磁共振影像的Aβ蛋白沉積信息檢測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及到一種疾病輔助診斷系統(tǒng)，具體地說，是一種基于腦磁共振影像的A0 蛋白沉積信息檢測系統(tǒng)。
【背景技術(shù)】
[0002] 阿爾茨海默病的影像學(xué)和圖像特征提取研究表明，提取圖像特征來表達(dá)阿爾茨海 默病的影像學(xué)特征是可行和有效的。A0蛋白沉積含量是診斷阿爾茨海默病的一個重要指 標(biāo)。腦磁共振圖像中灰度特征可W表達(dá)明暗等影像學(xué)特征，雖然不同序列圖像灰度變化較 大，但就同一個序列產(chǎn)生的圖像來說，灰度對比能較好的分辨A0蛋白沉積區(qū)域；形狀特征 可W表達(dá)體積、厚度、形態(tài)等影像學(xué)特征；紋理特征可W表達(dá)方向、對比度、粗細(xì)、雜亂、密集 等影像學(xué)特征，圖像特征可W有效表征不同成分或解剖結(jié)構(gòu)的影像學(xué)特征。因此，提取腦新 皮層、白質(zhì)、灰質(zhì)、丘腦、海馬體等相關(guān)解剖結(jié)構(gòu)及纖維束的灰度特征、形狀特征、紋理特征 可W將與A0蛋白沉積相關(guān)的信息充分表達(dá)出來，即有效顯示A0蛋白沉積含量信息。
[0003] 然而，由于圖像特征數(shù)量通常較多，會增加后續(xù)模式分類或參數(shù)反演的時間和空 間復(fù)雜度，也不利于臨床應(yīng)用。此外，特征間具有一定的排斥性和相關(guān)性，會影響后續(xù)處理 的精度。另外，由于待選特征較多，特征與A0蛋白沉積含量的關(guān)系未明且復(fù)雜，因此，A0 蛋白沉積分布及含量的識別分類精度不高。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于腦磁共振影像的A0蛋白沉 積信息檢測系統(tǒng)，通過對腦磁共振圖像進(jìn)行處理，提取顯示相關(guān)影像學(xué)特征，并通過特征選 擇和機(jī)器學(xué)習(xí)，利用腦磁共振影像中的圖像特征信息來實(shí)現(xiàn)定量檢測A0蛋白沉積分布及 含量，識別分類精度高。
[0005] 為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：
[0006] 一種基于腦磁共振影像的A0蛋白沉積信息檢測系統(tǒng)，設(shè)置有MRI圖像采集裝置、 圖像預(yù)處理裝置、特征提取裝置W及參數(shù)反演裝置；
[0007] 所述圖像預(yù)處理裝置中依次設(shè)置有濾波去噪裝置、圖像配準(zhǔn)裝置、頭骨剝離裝置 和組織分割裝置；
[000引所述濾波去噪裝置用于實(shí)現(xiàn)MRI圖像的去噪處理；
[0009] 所述圖像配準(zhǔn)裝置用于實(shí)現(xiàn)待測圖像頭部位置的調(diào)整；
[0010] 所述頭骨剝離裝置用于去除圖像中的腦外組織；
[0011] 所述組織分割裝置用于將圖像中的腦組織圖像分割為腦新皮層、白質(zhì)、灰質(zhì)、丘腦 和海馬體五個解剖結(jié)構(gòu)；
[0012] 所述特征提取裝置用于提取最優(yōu)特征子集；
[0013] 所述參數(shù)反演裝置用于將所述最優(yōu)特征子集反演出A0蛋白沉積含量；該參數(shù)反 演裝置中固化有訓(xùn)練好的SVM模型，所述SVM模型是通過選擇多個訓(xùn)練樣本圖像的多個特 征參數(shù)，并W每個樣本圖像對應(yīng)PET圖像的A0蛋白沉積含量為評價標(biāo)準(zhǔn)，最終訓(xùn)練出的最 優(yōu)特征子集與A0蛋白沉積含量的映射關(guān)系。
[0014] 進(jìn)一步的技術(shù)方案是，所述參數(shù)反演裝置中設(shè)置有訓(xùn)練樣本圖像獲取裝置、訓(xùn)練 樣本圖像預(yù)處理裝置、訓(xùn)練樣本圖像特征提取裝置、訓(xùn)練樣本特征選擇裝置、測試樣本圖像 獲取裝置、測試樣本圖像預(yù)處理裝置、測試樣本圖像特征提取裝置W及分類器構(gòu)建裝置；
[0015] 所述訓(xùn)練樣本圖像獲取裝置用于獲取訓(xùn)練樣本MRI圖像和該MRI圖像對應(yīng)的PET 圖像，并通過PET圖像計算A0蛋白沉積含量作為分類器的評價標(biāo)準(zhǔn)；
[0016] 所述訓(xùn)練樣本圖像預(yù)處理裝置與所述圖像預(yù)處理裝置的結(jié)構(gòu)和功能相同；
[0017] 所述訓(xùn)練樣本圖像特征提取裝置用于提取SVM模型所需的多個特征參數(shù)；
[0018] 所述訓(xùn)練樣本特征選擇裝置用于實(shí)現(xiàn)多個特征參數(shù)的選擇；
[0019] 所述測試樣本圖像獲取裝置用于獲取測試樣本MRI圖像和該MRI圖像對應(yīng)的PET 圖像，并通過PET圖像計算A0蛋白沉積含量作為分類器的評價標(biāo)準(zhǔn)；
[0020] 所述測試樣本圖像預(yù)處理裝置與所述圖像預(yù)處理裝置的結(jié)構(gòu)和功能相同；
[0021] 所述測試樣本圖像特征提取裝置用于提取訓(xùn)練樣本特征選擇裝置所選擇出的特 征參數(shù)；
[0022] 所述分類器構(gòu)建裝置用于構(gòu)建特征參數(shù)與A0蛋白沉積含量的反演關(guān)系，該分類 器的核函數(shù)采用徑向基函數(shù)，當(dāng)所述測試樣本的識別率達(dá)到預(yù)設(shè)目標(biāo)時，最終訓(xùn)練出的最 優(yōu)特征子集與A0蛋白沉積含量的映射關(guān)系。
[0023] 進(jìn)一步的技術(shù)方案是，所述訓(xùn)練樣本圖像特征提取裝置所提取的多個特征參數(shù)包 括每個解剖結(jié)構(gòu)的體積、灰度分布的不均勻性、灰度平均、灰度均方差、灰度滴、信息滴、幾 何矩、對比度、差分矩、自相關(guān)、梯度分布的不均勻性、梯度、梯度平均、梯度均方差、梯度滴、 逆差矩、平均彌散率和各向異性分?jǐn)?shù)值。
[0024] 作為優(yōu)選，所述訓(xùn)練樣本圖像特征提取裝置采用鏈?zhǔn)街悄荏w遺傳算法進(jìn)行特征選 擇。
[0025] 本發(fā)明的顯著效果是；通過智能遺傳算法對SVM模型進(jìn)行訓(xùn)練，從而得到最優(yōu)特 征子集與A0蛋白沉積分布及含量的映射關(guān)系，將訓(xùn)練好的SVM模型固化到參數(shù)反演裝置 中，從而構(gòu)建出本發(fā)明所提出的基于腦磁共振影像中磯酸化tau蛋白含量信息的檢測系 統(tǒng)，不僅具有無創(chuàng)、無福射、安全、自動化程度高等優(yōu)點(diǎn)，而且還可應(yīng)用于阿爾茨海默病診斷 的臨床應(yīng)用，可有助于提高診斷的準(zhǔn)確性和實(shí)時性。
【附圖說明】
[0026] 圖1是本發(fā)明的原理結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0027] 下面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】W及工作原理作進(jìn)一步詳細(xì)說明。
[002引如圖1所示，一種基于腦磁共振影像的A0蛋白沉積信息檢測系統(tǒng)，設(shè)置有MRI圖 像采集裝置、圖像預(yù)處理裝置、特征提取裝置W及參數(shù)反演裝置；
[0029] 所述圖像預(yù)處理裝置中依次設(shè)置有濾波去噪裝置、圖像配準(zhǔn)裝置、頭骨剝離裝置 和組織分割裝置；
[0030] 所述濾波去噪裝置用于實(shí)現(xiàn)MRI圖像的去噪處理；
[0031] 所述圖像配準(zhǔn)裝置用于實(shí)現(xiàn)待測圖像頭部位置的調(diào)整；
[0032] 由于每張圖像中包括若干張人腦圖像，為了使所有的圖像的頭部在圖像中位 置和方向上達(dá)到一致，需要對圖像進(jìn)行配準(zhǔn)。本發(fā)明采用基于屬性向量的彈性配準(zhǔn) (HierarchicalAttributeMatchingMechanismforElasticRegistration，HAMMER)算 法對圖像樣本進(jìn)行彈性配準(zhǔn)，采用互信息值和相關(guān)系數(shù)作為彈性配準(zhǔn)滿意的評價準(zhǔn)則。
[0033] 所述頭骨剝離裝置用于去除圖像中的腦外組織；
[0034] 由于腦MRI圖像中腦新皮層、白質(zhì)、灰質(zhì)、丘腦、海馬體中明顯存在磯酸化tau蛋 白，亮度較暗，且體積和紋理有變化，因此組織分割裝置用于將圖像中的腦組織圖像分割 為腦新皮層、白質(zhì)、灰質(zhì)、丘腦和海馬體五個解剖結(jié)構(gòu)，具體實(shí)施時可W采用ITK程序包 (Insi曲tSegmentationandRegistrationToo化it)對W上解剖結(jié)構(gòu)進(jìn)行分割。
[0035] 所述特征提取裝置用于提取最優(yōu)特征子集；
[0036] 所述參數(shù)反演裝置用于將所述最優(yōu)特征子集反演出A0蛋白沉積含量；該參數(shù)反 演裝置中固化有訓(xùn)練好的SVM模型，所述SVM模型是通過選擇多個訓(xùn)練樣本圖像的多個特 征參數(shù)，并W每個樣本圖像對應(yīng)PET圖像的A0蛋白沉積含量為評價標(biāo)準(zhǔn)，最終訓(xùn)練出的最 優(yōu)特征子集與A0蛋白沉積含量的映射關(guān)系。
[0037] 在具體實(shí)施過程中，所述參數(shù)反演裝置中設(shè)置有訓(xùn)練樣本圖像獲取裝置、訓(xùn)練樣 本圖像預(yù)處理裝置、訓(xùn)練樣本圖像特征提取裝置、訓(xùn)練樣本特征選擇裝置、測試樣本圖像獲 取裝置、測試樣本圖像預(yù)處理裝置、測試樣本圖像特征提取裝置W及分類器構(gòu)建裝置；
[003引所述訓(xùn)練樣本圖像獲取裝置用于獲取訓(xùn)練樣本MRI圖像和該MRI圖像對應(yīng)的PET圖像，并通過PET圖像計算A0蛋白沉積含量作為分類器的評價標(biāo)準(zhǔn)；
[0039] 所述訓(xùn)練樣本圖像預(yù)處理裝置與所述圖像預(yù)處理裝置的結(jié)構(gòu)和功能相同；
[0040] 所述訓(xùn)練樣本圖像特征提取裝置用于提取SVM模型所需的多個特征參數(shù)；
[0041] 所述訓(xùn)練樣本特征選擇裝置用于實(shí)現(xiàn)多個特征參數(shù)的選擇；
[0042] 所述測試樣本圖像獲取裝置用于獲取測試樣本MRI圖像和該MRI圖像對應(yīng)的PET 圖像，并通過PET圖像計算A0蛋白沉積含量作為分類器的評價標(biāo)準(zhǔn)；
[0043] 所述測試樣本圖像預(yù)處理裝置與所述圖像預(yù)處理裝置的結(jié)構(gòu)和功能相同；
[0044] 所述測試樣本圖像特征提取裝置用于提取訓(xùn)練樣本特征選擇裝置所