[发明专利]一种基于脑区间接关系网络构建的医学图像分类方法

权利要求书

1.一种基于脑区间接关系网络构建的医学图像分类方法，该方法先利用两个脑区与它们共同邻域之间的相关性分别为两个脑区建立关系向量，再通过计算两个脑区关系向量的格贴近度得到这两个脑区之间的相关值，按照此法得到任意两个脑区之间的相关值，由此构建出脑区间接关系网络，最后基于该脑区间接关系网络对医学图像进行分类，该方法包括如下步骤：

(1)图像预处理

采集PET图像数据，使用统计参数映射软件包SPM进行预处理，提取代谢强度，每一个样本记为x_i，i∈[1,N]，其中l₁，l₂，…，l_n分别表示样本每一维的大小，n是单个样本的维数，N表示样本的个数；

(2)直接关系网络构建

对每一个样本x_i按照解剖学模板进行分区，得到D个脑区作为网络节点，计算任意两个脑区平均信号强度的相关性作为它们的直接关系值，得到一个D×D的对称矩阵作为直接关系网络，该对称矩阵上第i行第j列的元素为第i个脑区与第j个脑区的直接关系值，对角线元素均置为0，任意两个脑区a和b的直接关系值r(a，b)的计算方法为：其中d(a，b)＝(t(a)-t(b))²，t(a)和t(b)分别代表脑区a和脑区b的平均信号强度，σ_a和σ_b分别代表了脑区a和脑区b的平均信号强度的标准差；

(3)间接关系网络构建

用一个D×D的对称矩阵作为间接关系网络，该对称矩阵上第i行第j列的元素为第i个脑区与第j个脑区的间接关系值，对角线元素均置为0，两个脑区a和b的间接关系值按照如下方式计算：

首先根据直接关系网络，为脑区a和脑区b分别选择与它们直接关系值最大的K个脑区作为它们的K个近邻，然后找到脑区a和脑区b的共同近邻，表示为集合U＝{n₁,n₂,…n_M},M∈[0,D-2]，利用脑区a和脑区b与共同近邻的直接关系值构造脑区a的关系向量和脑区b的关系向量r(a,n_M)表示脑区a与其近邻n_M的直接关系值，r(b,n_M)表示脑区b与其近邻n_M的直接关系值，然后计算关系向量和的相关性作为脑区a和脑区b的间接关系值，关系向量和的相关性用模糊集合和的格贴近度来描述，即

其中，

其中代表内积,代表外积，∧代表合取，∨代表析取；

(4)特征降维

包括t检验特征选择和主成分分析降维两步，第一步应用非配对的双样本t检验找到正常人群和患病人群中具有显著差异的特征，第二步应用主成分分析进一步降维，得到用于分类的最优特征；

(5)支持向量机分类

基于第(4)步选出的特征，使用训练样本训练支持向量机分类器，对测试样本进行分类。