技术领域
[0001] 本
发明属于检测装置制造业领域，尤其涉及一种精神分裂症易感基因检测系统。
背景技术
[0002] 精神分裂症是一组病因未明的重性
精神病，多在青壮年缓慢或亚急性起病，临床上往往表现为症状各异的综合征，涉及
感知觉、思维、情感和行为等多方面的障碍以及精神活动的不协调。患者一般意识清楚，智能基本正常，但部分患者在
疾病过程中会出现认知功能的损害。病程一般迁延，呈反复发作、加重或恶化，部分患者最终出现衰退和精神残疾，但有的患者经过
治疗后可保持痊愈或基本痊愈状态。
[0003] 目前，我国患有精神分裂症的人数正在处于逐年上升的趋势，精神分裂症的治疗过程很困难，必须要防患于未然，有疑似的患者可以到医院进行检查，现存的检测精神分裂症方法也不能很准确的了解到患者的情况，对于一些基因的检查不是很到位，不能能准确快速的做出诊断，对于患者的治疗康复起不到关键性的作用。
[0004] 可用的提取核酸和核酸检测方法不适合在取样现场使用或在取样现场使用的实用性有限，需要精巧的、笨重且昂贵的仪器等。因此，操作不便，耗费时间，无法使提取、扩增、检测作为整体进行。
[0005]
扩散张量成像(DTI)是一种非侵入性的能提供活体内
水分子扩散运动的成像技术，它能检测传统MRI所不能观察到的组织的微观变化，是MR成像技术的重大突破。基于脑影像信息的模式分类是目前脑影像研究中的热点课题。利用图像分类方法，计算DTI图像具有某种属性的可能性大小，或者自动的判别图像的类别属性，是计算机辅助分析的一个重要应用。
[0006] 文献“Alexander AL,Lee JE,et a l.Diffusion tensor imaging of the corpus callosum in Autism.Neuroimage.2007；34(1):61–73.”使用基于感兴趣区域的方法研究胼胝体在孤独症中的作用，但是这种方法需要有关某种病理或者病变区域的先验知识，所以没有很好地推广性。
[0007] 文献“Ridgway GR,Henley SM,et a l.Ten simple rules for reporting voxel-based morphometry studies.Neuroimage.2008；40(4):1429–1435.”使用基于
体素的双样本t检验统计方法研究病人和正常人之间的组间差异。这种方法是在假设变量符合正态分布的情况下仅仅考虑单个变量的影响没有同时考虑多个变量的影响，而且无法判断单个人是否是病人或者是正常人。
[0008] 文献“Madhura Ingalhalikar,et a l.Diffusion based Abnormality Markers of Pathology:Towards Learned Diagnostic Prediction of ASD.Neuroimage.2011；57(3):918–927”将地图集中的
各向异性(FA)和平均扩散率(MD)的值作为特征，然后将所得特征加入
支持向量机(SVM)中，通过留一法不断地选择可以使支持向量机得到最好的正确率和推广性的特征。然而，这种基于地图集的方法无法提取地图集下子区域的相关变量作为特征，这样就无法找到子区域中病变的区域。同时，这种方法没有考虑年龄因素对白质的影响。
[0009] 综上所述，
现有技术存在的问题是：精神分裂症的治疗过程很困难，必须要防患于未然，有疑似的患者可以到医院进行检查，现存的检测精神分裂症方法也不能很准确的了解到患者的情况，对于一些基因的检查不是很到位，不能能准确快速的做出诊断，对于患者的治疗康复起不到关键性的作用。现有的基因检测装置操作不便，耗费时间，无法使提取、扩增、检测作为整体进行。
发明内容
[0010] 针对现有技术存在的问题，本发明提供了一种精神分裂症易感基因检测系统。
[0011] 本发明是这样实现的，一种精神分裂症易感基因检测系统，所述精神分裂症易感基因检测系统包括：血液采集器、抗凝管、管架、制冷室、基因提取器、离心管、
吸附柱、收集管、基因扩增器、凝胶
电泳器；所述血液采集器与所述抗凝管相连，所述抗凝管固定在所述管架上，所述抗凝管与所述制冷室相邻，所述制冷室一侧为所述基因提取器，所述基因提取器与所述离心管相连，所述吸附柱和所述收集管均放置在所述管架上，所述基因扩增器和所述凝胶电泳器放置在所述管架一侧；
[0012] 所述管架采用
螺栓固定的方式连接在此装置的底部；
[0014] 所述血液采集器包括：
[0015] 提取血清模
块、检测血清含量模块、去除
蛋白质模块、提取DNA模块、检测DNA种类模块、参考DNA库模块、DNA种类含量模块、在线检测模块、密
封存档模块；
[0016] 所述提取血清模块连接检测血清含量模块；提取血清模块主要是提取分离的血清蛋白中检测神经生长因子(NGF)、白细胞介素(IL-6)、
钙结合蛋白S100B、干扰素(IFN-γ)、
肿瘤坏死因子(TNF-α)、脑源性神经营养因子(BDNF)、神经胶质
纤维酸性蛋白(GFAP)、
碱性髓鞘蛋白(MBP)8种蛋白因子含量；检测血清含量主要是提取8种蛋白质因子含量；
[0017] 所述检测血清含量模块连接去除蛋白质模块；去除蛋白质模块主要是将神经生长因子(NGF)、白细胞介素(IL-6)、钙结合蛋白S100B、干扰素(IFN-γ)、肿瘤坏死因子(TNF-α)、脑源性神经营养因子(BDNF)、神经胶质纤维酸性蛋白(GFAP)、碱性髓鞘蛋白(MBP)8种蛋白因子含量外部的蛋白质去掉。
[0018] 所述提取DNA模块连接去除蛋白质模块；提取DNA模块主要是去掉丰富的蛋白质，利用利用SDS、蛋白质和K离子形成不溶于水的复合物，通过离心去除含蛋白质的沉淀，将DNA提取出来；
[0019] 所述检测DNA种类模块连接提取DNA模块和参考DNA库模块；所述提取DNA模块是将患有精神分裂易感基因的DNA的种类分类好，然后对比参考DNA库模块，将易感基因的DNA筛选出来；
[0020] 所述DNA种类含量模块连接检测DNA种类模块；所述DNA种类含量模块能检测到筛选出来的DNA种类的含量，然后对比检测的蛋白因子含量与正常参考值相对比，科学的分类判断精神分裂症；
[0021] 所述在线检测模块连接DNA种类含量模块和密封存档模块；密封存档模块能将检测出来的结果进行密封，
[0022] 所述密封存档模块内部安装有个人用户登陆系统，患者进行检查后，登陆查看结果，用于保护患者的隐私；
[0023] 在线检测模块利用内置的图像摄取模块进行图像数据的采集，其中，所述图像数据分为正常人组和患有精神分裂病人组两组；再采用弥散加权序列得到弥散图像数据，所述图像摄取模块包括磁共振设备；线检测模块的检测方法具体包括：
[0024] 步骤1，将所述弥散图像数据进行预处理；
[0025] 步骤1.1，用基于Linux的FSL
软件对所述弥散图像数据进行去
涡流处理；
[0026] 步骤1.2，对经所述步骤1.1处理得出的图像采用适合处理图像信息的脉冲耦合神经网络模型对弥散图像进行检测；弥散图像受到
密度较小的脉冲噪声污染通过自适应加权滤波处理；弥散图像中受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
[0027] 适合处理图像信息的脉冲耦合神经网络模型：
[0028] Fij[n]＝Sij；
[0029]
[0030] Uij[n]＝Fij[n](1+βij[n]Lij[n])；
[0031]
[0032]
[0033] 其中，βij[n]为自适应链接强度系数；
[0034]
[0035] Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像
信号、反馈输入、链接输入、内部活动项及动态
阈值，Nw为所选待处理窗口W中的
像素总数，Δ为调节系数，选取1～3；
[0036] 脉冲耦合神经网络模型对弥散图像进行检测时，利用网络特性使灰度为 的像素点火激活，再进行第二次脉冲耦合神经网络
迭代处理，把介于[Sij max/1+βijLij,Sij max]间的像素捕获激活，使两次激活的像素点对应的Yij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像Sij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；
[0037] 初步甄别出Yij＝0对应的像素点为弥散图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点；
[0038] 步骤1.3，对经所述步骤1.2处理得出的图像进行弥散张量拟合，得出各向异性图像、平均扩散率图像、径向弥散率图像；
[0039] 步骤1.4，将所述各向异性图像通过非线性配准方法配准到标准空间；
[0040] 步骤1.5，将所有配准到标准空间的所述各向异性图像进行平均得到平均各向异性图像；
[0041] 步骤1.6，将所述平均各向异性图像进行骨架化；
[0042] 步骤1.7，将步骤1.3中得出的所述各向异性图像、平均扩散率图像、图像按个体分别投射到所述白质骨架上，得到每个个体的各向异性骨架图像、平均扩散率骨架图像和径向弥散率骨架图像；
[0043] 步骤2，对步骤1所得的存在显著差异的区域进行多变量分析：
[0044] 步骤2.1，分别对所述存在显著差异的区域中的各向异性值、平均扩散率值、径向弥散率值进行平均，得到所述存在显著差异的区域中的平均各向异性值、平均平均扩散率值、平均径向弥散率值；
[0045] 步骤2.2，基于MATLAB软件将步骤2.1中所述的平均各向异性值、平均平均扩散率值、平均径向弥散率值作为特征输入到线性支持向量机中，通过留一法对线性支持向量机进行训练，最终得出特征所在的区域，从而得到与病变有关的区域。
[0046] 进一步，所述步骤2.2中，通过留一法对线性支持向量机进行训练的具体实施步骤如下：
[0047] 步骤一，用n表示数据样本中的个体总数，而各个体都有m个特征量，而各个体的类属性都是已知的，即患有精神分裂病人或正常人；将得到的数据样本分为两组，一组是测试集，包含一个个体，一组是训练集，包括除测试集中所含个体外的所有人，共n-1个个体；
[0048] 步骤二，用所述训练集训练所述线性支持向量机，得出训练后支持向量机：根据以下公式计算得到权值向量w，w为一个m维列向量，其中的每个元素对应一个特征量；
[0049]
[0050] yi(wTxi+b)-1+ξi≥0
[0051] s.t.ξi≥0；
[0052] 其中，γ是惩罚参数，用来实现
算法复杂度和错分样本数的折中；ξi测量错分程度；yi为每个人的类属性；xi为每个个体的
特征向量；b为常数；
[0053] 步骤三，用已知类属性的所述测试集来评估所述训练后支持向量机的性能：用所述训练后支持向量机来判断所述测试集的类属性，所述训练后支持向量机会给出属性标签1或-1，其中1为患有精神分裂病人，-1为正常人，通过所述训练后支持向量机得出的判断结果与所述测试集的实际类属性相比较，两者若一致，则所述训练后支持向量机分类正确，否则，则分类错误；
[0054] 步骤四，重新将n个个体分为测试集和训练集，所述测试集包含一个个体，且该个体与前一次测试的测试集中的个体不相同，余下的所有个体作为训练集，然后按照步骤二的方法训练所述线性支持向量机，得出训练后支持向量机，然后再按照所述步骤三的方法评估得出的所述训练后支持向量机的性能；重复步骤四n-1次后停止；
[0055] 步骤五，将每个特征的n次权值求平均权值，并依据平均权值将特征由大到小进行排序，去除排序最低的特征量；
[0056] 步骤六，重复步骤一至步骤四，接着执行步骤七；
[0057] 步骤七，依据步骤六中重复步骤一至步骤四后所得出的该轮n次测试中的分类正确率和上一轮n次测试的分类正确率比较的结果判断是否停止：如果该轮n次测试的分类正确率大于或等于上一轮n次测试的分类正确率，则返
回执行步骤五至步骤六，否则停止。
[0058] 进一步，
[0059] 弥散图像自适应加权
滤波器噪声滤波的实现方法；
[0060] 当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
[0061]
[0062] 式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心
位置的输出值：
[0063]
[0064]
[0065] 式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号；
[0066] 进一步，选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则是：
[0067]
[0068] 进一步，双结构元素数学形态学第二级滤波的具体方法：
[0069] 残留脉冲噪声的中药材显微图像为f，E为结构元素SE，则膨胀有如下关系式：
[0070]
[0071] 式中 为膨胀运算符，F和G分别是f和E的定义域，x-z为位移参数；
[0072] 上式膨胀关系是将与物体
接触的所有背景点都合并到物体中，使边界向外部扩张的过程，填补物体中的洞孔；
[0073]
[0074] 上式Θ为
腐蚀运算符，腐蚀是消除边界点，边界向内部收缩，同时在腐蚀膨胀的
基础上，再结合形态学的开闭运算：
[0075]
[0076]
[0077] 本发明的优点及积极效果为：该一种精神分裂症易感基因检测系统通过提取患者的DNA，检测提取出来的DNA种类，对比DNA库，能够准确的了解到患者是否患有精神分裂症易感基因，治疗精神分裂症提倡早期、及时、足量的抗精神病药物控制病情发展，
预防复发，因此，能准确快速的做出诊断，对于患者的治疗康复意义重大。
[0078] 本发明的图像信息处理技术为
信息时代医学“传统”与“现代”分析检测相结合提供全新的技术思路与方法，为无损伤信息检测分析进行有益的探索奠定前期基础；
[0079] 发明利用脉冲耦合神经网络的同步脉冲发放特性区分
定位脉冲噪声点和信号像素点位置，相对传统的基于中值检测或相关改进中值检测方法具有更高的噪点检测性能，相对于其他阈值噪点检测方法；本发明无需设定检测阈值，噪声错检率和漏检率低，噪声检测
精度较高；同时，相对于其他噪声迭代检测方法；本发明方法检测时间短，自动性强；
[0080] 目前还没有任何脉冲噪声检测方法应用在弥散图像脉冲噪声的检测中；
[0081] 在图像脉冲噪声滤除阶段，本发明首先根据上述检测出的噪点和信号点，对图像像素进行分类处理；在利用第一级自适应加权滤波时只对检出的噪声点进行滤波处理，相对于其他中值滤波、维纳滤波等方法在有效滤除噪点的同时保护了信号点信息；在第二级数学形态学滤波时是对前级滤波中漏掉的相关噪点进行补充辅助滤除，在去噪的同时不但能有效滤除噪声干扰，而且能很好地保护图像细节等信息。
[0082] 本发明使用置换检验并以年龄因素为协变量进行初步的特征提取，克服了双样本t检验对于变量要服从正态分布的假设，考虑了年龄对白质的影响；
[0083] 在体素水平进行置换检验，克服了基于感兴趣区域(ROI)的方法需要有先验知识的缺点，同时克服了基于地图集方法无法观察地图集
中子区域的缺点；
[0084] 使用线性支持向量机对初选的特征进行二次筛选，去除不是由于病变引起的差异而是由于图像预处理或者噪声引起的差异，同时考虑了多个不同区域不同变量的相互作用，克服了t检验只考虑单个变量的缺点。
附图说明
[0085] 图1是本发明
实施例提供的精神分裂症易感基因检测系统示意图。
[0086] 图2是本发明实施例提供的血液采集器示意图。
[0087] 图中：1、血液采集器；2、抗凝管；3、管架；4、制冷室；5、基因提取器；6、离心管；7、吸附柱；8、收集管；9、基因扩增器；10、凝胶电泳器；11、提取血清模块；12、检测血清含量模块；13、去除蛋白质模块；14、提取DNA模块；15、检测DNA种类模块；16、参考DNA库模块；17、DNA种类含量模块；18、在线检测模块；19、密封存档模块。
具体实施方式
[0088] 为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图1详细说明如下。
[0089] 下面结合附图对本发明的结构作详细的描述。
[0090] 如图1所示，一种精神分裂症易感基因检测装置设置有：血液采集器1、抗凝管2、管架3、制冷室4、基因提取器5、离心管6、吸附柱7、收集管8、基因扩增器9、凝胶电泳器10。所述血液采集器1与所述抗凝管2相连，所述抗凝管2固定在所述管架3上，所述抗凝管2与所述制冷室4相邻，所述制冷室4一侧为所述基因提取器5，所述基因提取器5与所述离心管6相连，所述吸附柱7和所述收集管8均放置在所述管架3上，所述基因扩增器9和所述凝胶电泳器10放置在所述管架3一侧。
[0091] 作为优选实施例，所述管架3采用螺栓固定的方式连接在此装置的底部。
[0092] 作为优选实施例，所述离心管6底部连接有离心电机。
[0093] 利用血液采集器采集血液后置于抗凝管中，将抗凝管放入制冷室一定时间后，用基因提取器进行DNA的提取，将提取的DNA放入离心管进行离心处理，用吸附柱将处理后的DNA移入收集管，之后进行基因扩增器扩增，凝胶电泳器电泳分离鉴定。
[0094] 如附图2所示，所述血液采集器1包括：提取血清模块11、检测血清含量模块12、去除蛋白质模块13、提取DNA模块14、检测DNA种类模块15、参考DNA库模块16、DNA种类含量模块17、在线检测模块18、密封存档模块19。
[0095] 所述提取血清模块1连接检测血清含量模块12；提取血清模块11主要是提取分离的血清蛋白中检测神经生长因子(NGF)、白细胞介素(IL-6)、钙结合蛋白S100B、干扰素(IFN-γ)、肿瘤坏死因子(TNF-α)、脑源性神经营养因子(BDNF)、神经胶质纤维酸性蛋白(GFAP)、碱性髓鞘蛋白(MBP)8种蛋白因子含量；检测血清含量模块12主要是提取8种蛋白质因子含量。
[0096] 所述检测血清含量模块12连接去除蛋白质模块13；去除蛋白质模块13主要是将神经生长因子(NGF)、白细胞介素(IL-6)、钙结合蛋白S100B、干扰素(IFN-γ)、肿瘤坏死因子(TNF-α)、脑源性神经营养因子(BDNF)、神经胶质纤维酸性蛋白(GFAP)、碱性髓鞘蛋白(MBP)8种蛋白因子含量外部的蛋白质去掉。
[0097] 所述提取DNA模块14连接去除蛋白质模块13；提取DNA模块14主要是去掉丰富的蛋白质，利用利用SDS、蛋白质和K离子形成不溶于水的复合物，通过离心去除含蛋白质的沉淀，将DNA提取出来。
[0098] 所述检测DNA种类模块15连接提取DNA模块14和参考DNA库模块16；所述提取DNA模块14是将患有精神分裂易感基因的DNA的种类分类好，然后对比参考DNA库模块16，将易感基因的DNA筛选出来。
[0099] 所述DNA种类含量模块17连接检测DNA种类模块15；所述DNA种类含量模块7能检测到筛选出来的DNA种类的含量，然后对比检测的蛋白因子含量与正常参考值相对比，科学的分类判断精神分裂症。
[0100] 所述在线检测模块18连接DNA种类含量模块17和密封存档模块19。密封存档模块19能将检测出来的结果进行密封，患者自己了解情况，医生有责任保护患者的隐私，不能对外公开患者的情况。
[0101] 所述密封存档模块19内部安装有个人用户登陆系统，患者进行检查后，登陆查看结果，充分的保护了患者的隐私。
[0102] 本发明的工作原理：通过提取血清模块11提取到患者的血清，检测血清含量模块12将提取到的血清进行含量的检测，去除蛋白质模块13将提取的血清中丰富的蛋白质进行去除，提取DNA模块14用离心分离的方法将去除蛋白质模块13中的DNA提取出来。通过参考DNA库模块16和检测DNA种类15模块将提取出来的DNA进行对比正常值的DNA含量，在线检测模块18能准确的分析患者的DNA含量和正常值的DNA含量，将数据密封存在密封存档模块中，方便患者查询，不对外公开，保护患者的隐私。该一种精神分裂症易感基因检测系统通过提取患者的DNA，检测提取出来的DNA种类，对比DNA库，能够准确的了解到患者是否患有精神分裂症易感基因，治疗精神分裂症提倡早期、及时、足量的抗精神病药物控制病情发展，预防复发，因此，能准确快速的做出诊断，对于患者的治疗康复意义重大。
[0103] 下面结合具体分析对本发明作进一步描述。
[0104] 本发明的在线检测模块利用内置的图像摄取模块进行图像数据的采集，其中，所述图像数据分为正常人组和患有精神分裂病人组两组；再采用弥散加权序列得到弥散图像数据，所述图像摄取模块包括磁共振设备；线检测模块的检测方法具体包括：
[0105] 步骤1，将所述弥散图像数据进行预处理；
[0106] 步骤1.1，用基于Linux的FSL软件对所述弥散图像数据进行去涡流处理；
[0107] 步骤1.2，对经所述步骤1.1处理得出的图像采用适合处理图像信息的脉冲耦合神经网络模型对弥散图像进行检测；弥散图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；弥散图像中受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
[0108] 适合处理图像信息的脉冲耦合神经网络模型：
[0109] Fij[n]＝Sij；
[0110]
[0111] Uij[n]＝Fij[n](1+βij[n]Lij[n])；
[0112]
[0113]
[0114] 其中，βij[n]为自适应链接强度系数；
[0115]
[0116] Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取1～3；
[0117] 脉冲耦合神经网络模型对弥散图像进行检测时，利用网络特性使灰度为 的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sij max/1+βijLij,Sij max]间的像素捕获激活，使两次激活的像素点对应的Yij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像Sij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；
[0118] 初步甄别出Yij＝0对应的像素点为弥散图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点；
[0119] 步骤1.3，对经所述步骤1.2处理得出的图像进行弥散张量拟合，得出各向异性图像、平均扩散率图像、径向弥散率图像；
[0120] 步骤1.4，将所述各向异性图像通过非线性配准方法配准到标准空间；
[0121] 步骤1.5，将所有配准到标准空间的所述各向异性图像进行平均得到平均各向异性图像；
[0122] 步骤1.6，将所述平均各向异性图像进行骨架化；
[0123] 步骤1.7，将步骤1.3中得出的所述各向异性图像、平均扩散率图像、图像按个体分别投射到所述白质骨架上，得到每个个体的各向异性骨架图像、平均扩散率骨架图像和径向弥散率骨架图像；
[0124] 步骤2，对步骤1所得的存在显著差异的区域进行多变量分析：
[0125] 步骤2.1，分别对所述存在显著差异的区域中的各向异性值、平均扩散率值、径向弥散率值进行平均，得到所述存在显著差异的区域中的平均各向异性值、平均平均扩散率值、平均径向弥散率值；
[0126] 步骤2.2，基于MATLAB软件将步骤2.1中所述的平均各向异性值、平均平均扩散率值、平均径向弥散率值作为特征输入到线性支持向量机中，通过留一法对线性支持向量机进行训练，最终得出特征所在的区域，从而得到与病变有关的区域。
[0127] 所述步骤2.2中，通过留一法对线性支持向量机进行训练的具体实施步骤如下：
[0128] 步骤一，用n表示数据样本中的个体总数，而各个体都有m个特征量，而各个体的类属性都是已知的，即患有精神分裂病人或正常人；将得到的数据样本分为两组，一组是测试集，包含一个个体，一组是训练集，包括除测试集中所含个体外的所有人，共n-1个个体；
[0129] 步骤二，用所述训练集训练所述线性支持向量机，得出训练后支持向量机：根据以下公式计算得到权值向量w，w为一个m维列向量，其中的每个元素对应一个特征量；
[0130]
[0131] yi(wTxi+b)-1+ξi≥0
[0132] s.t.ξi≥0；
[0133] 其中，γ是惩罚参数，用来实现算法复杂度和错分样本数的折中；ξi测量错分程度；yi为每个人的类属性；xi为每个个体的特征向量；b为常数；
[0134] 步骤三，用已知类属性的所述测试集来评估所述训练后支持向量机的性能：用所述训练后支持向量机来判断所述测试集的类属性，所述训练后支持向量机会给出属性标签1或-1，其中1为患有精神分裂病人，-1为正常人，通过所述训练后支持向量机得出的判断结果与所述测试集的实际类属性相比较，两者若一致，则所述训练后支持向量机分类正确，否则，则分类错误；
[0135] 步骤四，重新将n个个体分为测试集和训练集，所述测试集包含一个个体，且该个体与前一次测试的测试集中的个体不相同，余下的所有个体作为训练集，然后按照步骤二的方法训练所述线性支持向量机，得出训练后支持向量机，然后再按照所述步骤三的方法评估得出的所述训练后支持向量机的性能；重复步骤四n-1次后停止；
[0136] 步骤五，将每个特征的n次权值求平均权值，并依据平均权值将特征由大到小进行排序，去除排序最低的特征量；
[0137] 步骤六，重复步骤一至步骤四，接着执行步骤七；
[0138] 步骤七，依据步骤六中重复步骤一至步骤四后所得出的该轮n次测试中的分类正确率和上一轮n次测试的分类正确率比较的结果判断是否停止：如果该轮n次测试的分类正确率大于或等于上一轮n次测试的分类正确率，则返回执行步骤五至步骤六，否则停止。
[0139] 弥散图像自适应加权滤波器噪声滤波的实现方法；
[0140] 当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
[0141]
[0142] 式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心位置的输出值：
[0143]
[0144]
[0145] 式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号；
[0146] 选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则是：
[0147]
[0148] 双结构元素数学形态学第二级滤波的具体方法：
[0149] 残留脉冲噪声的中药材显微图像为f，E为结构元素SE，则膨胀有如下关系式：
[0150]
[0151] 式中 为膨胀运算符，F和G分别是f和E的定义域，x-z为位移参数；
[0152] 上式膨胀关系是将与物体接触的所有背景点都合并到物体中，使边界向外部扩张的过程，填补物体中的洞孔；
[0153]
[0154] 上式Θ为腐蚀运算符，腐蚀是消除边界点，边界向内部收缩，同时在腐蚀膨胀的基础上，再结合形态学的开闭运算：
[0155]
[0156]
[0157] 以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单
修改，等同变化与修饰，均属于本发明技术方案的范围内。
