[发明专利]一种基于信号信噪比的主成分降维取值方法

权利要求书

1.一种基于信号信噪比的主成分降维取值方法，包括以下步骤：

步骤一、从临床磁共振谱使用的LCModel软件中，获取信噪比矢量R；

步骤二、推导LCModel软件中定义的信噪比和常规定义的信噪比之间的关系；

步骤三、计算独立成分分析和主成分分析的降维取值所需的信息百分比值θ；

步骤四、对所述信噪比矢量R取平均，以此平均值更新信息百分比值θ；

步骤五、计算主成分数k；

步骤六、计算步骤一中所述信噪比矢量R的峰度值，确定最终降维值；

所述LCModel软件中定义的信噪比SNR_lc可表示为：

其中，SNR_lc为所述LCModel软件中定义的信噪比，x为一个磁共振谱无噪声信号，n为一个含噪声信号的磁共振谱，max为最大值，RMS为均方根；

所述常规定义的信噪比SNR可表示为：

其中，SNR为所述常规定义的信噪比，P_cleansignal为无噪声纯净信号的强度，P_noise为噪声信号的强度，x_i是一个磁共振谱的无噪声信号矢量x的第i个元素，ni是此磁共振谱信号中噪声矢量n中的第i个元素，T是磁共振谱的矢量长度；

所述步骤四具体包括：

将所述步骤一中所述信噪比矢量R取平均值，作为显示整个多样本数据集的信号质量的指标，以此平均值代替所述LCModel软件中定义的信噪比对所述信息百分比值θ进行调整；

所述步骤六具体包括，计算所述矢量R的峰度值，所述峰度值作为高阶统计量，对整个多样本数据集的信噪比分布进行计算；

根据所述矢量R的峰度值来调整确定最终降维取值；

所述步骤二中经过推导得出的所述LCModel软件中定义的信噪比和所述常规定义的信噪比之间的关系如下：

其中，SNR为所述常规定义的信噪比，P_cleansignal为无噪声纯净信号的强度，P_noise为噪声信号的强度，x_i是一个磁共振谱的无噪声信号矢量x的第i个元素，n_i是此磁共振谱信号中噪声矢量n中的第i个元素，T是磁共振谱的矢量长度，y是一个含噪声磁共振谱，E{}表示期望值,SNR_lc为所述LCModel软件中定义的信噪比，x为一个磁共振谱无噪声信号，max为最大值；

所述步骤五中计算主成分数k的具体步骤包括：

在主成分分析中，对数据集进行特征值变换，得到的特征值被降序排列，利用所述的降序排列的特征值，结合所述步骤四得出的所述信息百分比值θ，得到能够充分解释所分析数据的主成分数k，所述主成分数k的值可以从以下公式中得到：

其中，d_i是降序排列的第i个特征值，为前k个特征值的累积量，K为总特征值个数，为总特征值的累积量。

2.如权利要求1所述的基于信号信噪比的主成分降维取值方法，其特征在于，所述步骤一具体包括，

从临床磁共振谱使用的LCModel软件中，获取每个磁共振谱的信噪比值；

根据所需进行独立成分分析和/或主成分分析数据集的个数m，得到一个长度为m的信噪比矢量R。

3.如权利要求1所述的基于信号信噪比的主成分降维取值方法，其特征在于，所述步骤三中所述信息百分比值θ，可表示为：

其中，θ为所述信息百分比值，P_cleansignal为无噪声纯净信号的强度，P_noisysignal为含噪声信号的强度，SNR为所述常规定义的信噪比；

代入所述常规定义的信噪比SNR，经过推导可得到所述信息百分比值θ如下：

其中，y是一个含噪声磁共振谱，E{}表示期望值，SNR_lc为所述LCModel软件中定义的信噪比，x为一个磁共振谱无噪声信号，n为一个含噪声信号的磁共振谱，max为最大值。

4.如权利要求1所述的基于信号信噪比的主成分降维取值方法，其特征在于，根据所述矢量R的峰度值来调整确定最终降维取值具体包括，

当所述峰度值在0～3之间，对应信噪比数据为高斯分布，步骤五中所得的所述主成分数k值即为最终降维取值；

当所述峰度值3，对应信噪比数据为超高斯分布，步骤五中所得的所述主成分数k值，需增加10％，即：k+k*10％为最终降维取值。