本發明公開了一種基于腦功能網絡特征對早晚期輕度認知障礙的分類方法及裝置，屬于醫學影像圖像處理技術領域。本發明首先對樣本數據進行預處理和提取多個腦區時間序列，采用皮爾遜相關計算腦區時間序列之間的相關系數構建腦功能網絡，計算腦網絡參數。其次采用逐步分析方法提取特征，并訓練二分分類器，對待分類的靜息態功能磁共振數據提取對應的特征向量并輸入訓練好的二分分類器，得到對醫學影像圖像分類結果。與現有方法相比，本發明的分類準確率、敏感性和特異性更好。

技術領域

本發明屬于醫學影像圖像處理技術領域，具體涉及到利用靜息態功能性磁共振成像(fMRI)技術和腦功能網絡特征對早期和晚期輕度認知障礙疾病分類。

背景技術

輕度認知障礙(MCI)是介于健康衰老和癡呆之間的一種中間階段。有研究表明每年MCI轉移到老年癡呆癥(AD)上的概率大概在10％～15％之間，而正常老齡人轉變為AD則在1％～2％范圍內。作為正常老齡化向癡呆過渡的中間階段，MCI受到了廣泛的關注。根據MCI疾病記憶損傷程度的不同，可以將MCI病人分為早期MCI患者(EMCI)和晚期MCI患者(LMCI)。但EMCI和LMCI在多維信息上存在差異，尋找有效的分類生物標記并構建分類模式對兩類患者進行分類，可以更好的了解病情的發展，能夠加強對引起轉變因素的了解，以促進對不同程度疾病進行針對治療。

研究表明MCI疾病與大腦特殊腦區灰質減少、皮層厚度變薄、白質連接變化等有關。在MCI疾病檢測研究中，內嗅皮層，內側顳葉，后扣帶等腦區的萎縮有較高的敏感性和特異性，利用這些腦區進行分類也取得很好的分類效果。在EMCI和LMCI兩組的功能腦網絡研究中，發現最短路徑長度隨著疾病程度增加而增加，而平均聚類系數隨之降低；節點中心度在兩組間也存在差異性，這些差異腦區為：左側額下回三角部分，左側眶額下回，左側嗅皮質等。雖然小世界參數在EMCI和LMCI統計不顯著，但分別與正常老齡人與老年癡呆進行比較，發現部分參數在兩兩對比間存在顯著性差異，但是差異的表現和區域不完全一致。

在EMCI和LMCI的研究中，人們更多的關注兩組患者在大腦結構和功能上的差異，少有研究針對兩組樣本進行分類預測。利用認知評分，顳葉，頂葉和扣帶腦區的體積參數對EMCI和LMCI進行分類，Goryawala等人報道了73.6％的分類精度，但兩組樣本在認知評分中存在顯著性差異。在EMCI和正常人的分類中，根據先驗知識，利用特定腦區的皮層厚度、皮層體積和對應腦區的新陳代謝變化進行分類，能獲得較好分類結果(AUC＝0.668)。此外，MCI疾病與不同頻段的灰質活動有關，根據前人研究可以將低頻BOLD(Blood OxygenationLevel Dependent)信號分為：full-band(0.01-0.08hz)、slow-4(0.027-0.073hz)、slow-5(0.01-0.027hz)、slow-3(0.073-0.0198hz)和slow-2(0.0198-0.25hz)幾個頻段，但是大腦灰質活動主要分布在slow-4和slow-5中。已有研究表明在MCI患者中，slow-4和slow-5在后扣帶、內側前額葉和海馬旁回等腦區存在顯著性差異。可見分頻段分類是個新的研究方向，但是少有研究利用不同頻段功能網絡對EMCI和LMCI進行分類預測，因而有必要提出一種利用不同頻段功能網絡對EMCI和LMCI進行分類預測的醫學影像圖像分類處理方法。

發明內容

本發明的發明目的在于：針對上述存在的問題，提供一種利用腦功能網絡特征對早期和晚期輕度認知障礙的分類方法及裝置。

本發明的基于腦功能網絡特征對早晚期輕度認知障礙的分類方法，包括下列步驟：

步驟1：獲取訓練樣本：

對采集的靜息態功能磁共振數據(rs-fMRI)進行預處理得到訓練樣本(對應不同的個體)，所述預處理包括：格式轉換、去時間點、時間層矯正、頭動矯正、空間標準化、平滑、去線性漂移、濾波和去協變。

步驟2：對訓練樣本進行腦網絡特征提取：