基于脑磁共振影像的Aβ蛋白沉积信息检测系统的利记博彩app
【技术领域】
[0001] 本发明设及到一种疾病辅助诊断系统，具体地说，是一种基于脑磁共振影像的A0 蛋白沉积信息检测系统。
【背景技术】
[0002] 阿尔茨海默病的影像学和图像特征提取研究表明，提取图像特征来表达阿尔茨海 默病的影像学特征是可行和有效的。A0蛋白沉积含量是诊断阿尔茨海默病的一个重要指 标。脑磁共振图像中灰度特征可W表达明暗等影像学特征，虽然不同序列图像灰度变化较 大，但就同一个序列产生的图像来说，灰度对比能较好的分辨A0蛋白沉积区域；形状特征 可W表达体积、厚度、形态等影像学特征；纹理特征可W表达方向、对比度、粗细、杂乱、密集 等影像学特征，图像特征可W有效表征不同成分或解剖结构的影像学特征。因此，提取脑新 皮层、白质、灰质、丘脑、海马体等相关解剖结构及纤维束的灰度特征、形状特征、纹理特征 可W将与A0蛋白沉积相关的信息充分表达出来，即有效显示A0蛋白沉积含量信息。
[0003] 然而，由于图像特征数量通常较多，会增加后续模式分类或参数反演的时间和空 间复杂度，也不利于临床应用。此外，特征间具有一定的排斥性和相关性，会影响后续处理 的精度。另外，由于待选特征较多，特征与A0蛋白沉积含量的关系未明且复杂，因此，A0 蛋白沉积分布及含量的识别分类精度不高。
【发明内容】
[0004] 针对现有技术的不足，本发明的目的是提供一种基于脑磁共振影像的A0蛋白沉 积信息检测系统，通过对脑磁共振图像进行处理，提取显示相关影像学特征，并通过特征选 择和机器学习，利用脑磁共振影像中的图像特征信息来实现定量检测A0蛋白沉积分布及 含量，识别分类精度高。
[0005] 为达到上述目的，本发明的技术方案如下：
[0006] 一种基于脑磁共振影像的A0蛋白沉积信息检测系统，设置有MRI图像采集装置、 图像预处理装置、特征提取装置W及参数反演装置；
[0007] 所述图像预处理装置中依次设置有滤波去噪装置、图像配准装置、头骨剥离装置 和组织分割装置；
[000引所述滤波去噪装置用于实现MRI图像的去噪处理；
[0009] 所述图像配准装置用于实现待测图像头部位置的调整；
[0010] 所述头骨剥离装置用于去除图像中的脑外组织；
[0011] 所述组织分割装置用于将图像中的脑组织图像分割为脑新皮层、白质、灰质、丘脑 和海马体五个解剖结构；
[0012] 所述特征提取装置用于提取最优特征子集；
[0013] 所述参数反演装置用于将所述最优特征子集反演出A0蛋白沉积含量；该参数反 演装置中固化有训练好的SVM模型，所述SVM模型是通过选择多个训练样本图像的多个特 征参数，并W每个样本图像对应PET图像的A0蛋白沉积含量为评价标准，最终训练出的最 优特征子集与A0蛋白沉积含量的映射关系。
[0014] 进一步的技术方案是，所述参数反演装置中设置有训练样本图像获取装置、训练 样本图像预处理装置、训练样本图像特征提取装置、训练样本特征选择装置、测试样本图像 获取装置、测试样本图像预处理装置、测试样本图像特征提取装置W及分类器构建装置；
[0015] 所述训练样本图像获取装置用于获取训练样本MRI图像和该MRI图像对应的PET 图像，并通过PET图像计算A0蛋白沉积含量作为分类器的评价标准；
[0016] 所述训练样本图像预处理装置与所述图像预处理装置的结构和功能相同；
[0017] 所述训练样本图像特征提取装置用于提取SVM模型所需的多个特征参数；
[0018] 所述训练样本特征选择装置用于实现多个特征参数的选择；
[0019] 所述测试样本图像获取装置用于获取测试样本MRI图像和该MRI图像对应的PET 图像，并通过PET图像计算A0蛋白沉积含量作为分类器的评价标准；
[0020] 所述测试样本图像预处理装置与所述图像预处理装置的结构和功能相同；
[0021] 所述测试样本图像特征提取装置用于提取训练样本特征选择装置所选择出的特 征参数；
[0022] 所述分类器构建装置用于构建特征参数与A0蛋白沉积含量的反演关系，该分类 器的核函数采用径向基函数，当所述测试样本的识别率达到预设目标时，最终训练出的最 优特征子集与A0蛋白沉积含量的映射关系。
[0023] 进一步的技术方案是，所述训练样本图像特征提取装置所提取的多个特征参数包 括每个解剖结构的体积、灰度分布的不均匀性、灰度平均、灰度均方差、灰度滴、信息滴、几 何矩、对比度、差分矩、自相关、梯度分布的不均匀性、梯度、梯度平均、梯度均方差、梯度滴、 逆差矩、平均弥散率和各向异性分数值。
[0024] 作为优选，所述训练样本图像特征提取装置采用链式智能体遗传算法进行特征选 择。
[0025] 本发明的显著效果是；通过智能遗传算法对SVM模型进行训练，从而得到最优特 征子集与A0蛋白沉积分布及含量的映射关系，将训练好的SVM模型固化到参数反演装置 中，从而构建出本发明所提出的基于脑磁共振影像中磯酸化tau蛋白含量信息的检测系 统，不仅具有无创、无福射、安全、自动化程度高等优点，而且还可应用于阿尔茨海默病诊断 的临床应用，可有助于提高诊断的准确性和实时性。
【附图说明】
[0026] 图1是本发明的原理结构框图。
【具体实施方式】
[0027] 下面结合附图对本发明的【具体实施方式】W及工作原理作进一步详细说明。
[002引如图1所示，一种基于脑磁共振影像的A0蛋白沉积信息检测系统，设置有MRI图 像采集装置、图像预处理装置、特征提取装置W及参数反演装置；
[0029] 所述图像预处理装置中依次设置有滤波去噪装置、图像配准装置、头骨剥离装置 和组织分割装置；
[0030] 所述滤波去噪装置用于实现MRI图像的去噪处理；
[0031] 所述图像配准装置用于实现待测图像头部位置的调整；
[0032] 由于每张图像中包括若干张人脑图像，为了使所有的图像的头部在图像中位 置和方向上达到一致，需要对图像进行配准。本发明采用基于属性向量的弹性配准 (HierarchicalAttributeMatchingMechanismforElasticRegistration，HAMMER)算 法对图像样本进行弹性配准，采用互信息值和相关系数作为弹性配准满意的评价准则。
[0033] 所述头骨剥离装置用于去除图像中的脑外组织；
[0034] 由于脑MRI图像中脑新皮层、白质、灰质、丘脑、海马体中明显存在磯酸化tau蛋 白，亮度较暗，且体积和纹理有变化，因此组织分割装置用于将图像中的脑组织图像分割 为脑新皮层、白质、灰质、丘脑和海马体五个解剖结构，具体实施时可W采用ITK程序包 (Insi曲tSegmentationandRegistrationToo化it)对W上解剖结构进行分割。
[0035] 所述特征提取装置用于提取最优特征子集；
[0036] 所述参数反演装置用于将所述最优特征子集反演出A0蛋白沉积含量；该参数反 演装置中固化有训练好的SVM模型，所述SVM模型是通过选择多个训练样本图像的多个特 征参数，并W每个样本图像对应PET图像的A0蛋白沉积含量为评价标准，最终训练出的最 优特征子集与A0蛋白沉积含量的映射关系。
[0037] 在具体实施过程中，所述参数反演装置中设置有训练样本图像获取装置、训练样 本图像预处理装置、训练样本图像特征提取装置、训练样本特征选择装置、测试样本图像获 取装置、测试样本图像预处理装置、测试样本图像特征提取装置W及分类器构建装置；
[003引所述训练样本图像获取装置用于获取训练样本MRI图像和该MRI图像对应的PET图像，并通过PET图像计算A0蛋白沉积含量作为分类器的评价标准；
[0039] 所述训练样本图像预处理装置与所述图像预处理装置的结构和功能相同；
[0040] 所述训练样本图像特征提取装置用于提取SVM模型所需的多个特征参数；
[0041] 所述训练样本特征选择装置用于实现多个特征参数的选择；
[0042] 所述测试样本图像获取装置用于获取测试样本MRI图像和该MRI图像对应的PET 图像，并通过PET图像计算A0蛋白沉积含量作为分类器的评价标准；
[0043] 所述测试样本图像预处理装置与所述图像预处理装置的结构和功能相同；
[0044] 所述测试样本图像特征提取装置用于提取训练样本特征选择装置所