一种基于多子空间建模的图像预选系统
阅读：402发布：2020-06-14
专利汇可以提供一种基于多子空间建模的图像预选系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于多子空间建模的图像预选系统，所述图像预选系统包括： 核磁共振 影像采集设备、图像预处理装置、特征提取装置、超图构建装置、图像预选装置，核磁共振影像采集设备用于采集目标人群的大脑核磁共振影像，所述影像包含轻度 认知障碍 个体的大脑核磁共振影像和正常个体的大脑核磁共振影像的多参量数据；所述图像预选系统对图像进行处理、感兴趣区域提取以及超图构建，并基于所构建的超图进行图像预选。，下面是一种基于多子空间建模的图像预选系统专利的具体信息内容。
1.一种基于多子空间建模的图像预选系统，其特征在于，所述图像预选系统包括：核磁共振影像采集设备、图像预处理装置、特征提取装置、超图构建装置、图像预选装置，核磁共振影像采集设备用于采集目标人群的大脑核磁共振影像，所述影像包含轻度认知障碍个体的大脑核磁共振影像和正常个体的大脑核磁共振影像的多参量数据；
所述图像预处理装置，对多参量的核磁共振图像的大脑感兴趣区域进行划分；
所述特征提取装置根据划分后每个兴趣区的特性来提取所需要的特征，并且对感兴趣区域中的特征进行定量计算，得到所需要的特征向量；
所述超图构建装置通过构建超图结构来建立样本之间的关系，在所述超图中，通过K近邻连接来表示欧式空间，通过特征的稀疏表示来表示特征的重构空间；
图像预选装置基于所构建的超图，利用相同规则将目标图像映射到所述超图中进行图像预选。
2.根据权利要求1所述的基于多子空间建模的图像预选系统，其特征在于，所述成像数据包括T1加权成像、磁共振弥散张量成像、静息态功能磁共振成像和磁共振动脉自旋标记灌注成像这四个参量的成像数据。
3.根据权利要求1所述的基于多子空间建模的图像预选系统，其特征在于，所述特征提取装置对于每个个体的T1图像数据生成一个180维的特征向量，对于每个个体的磁共振弥散张量成像、静息态功能磁共振成像和磁共振动脉自旋标记灌注成像分别生成一个90维的特征向量。
4.根据权利要求1所述的基于多子空间建模的图像预选系统，其特征在于，所述超图构建装置构建的超图中，每条超边包含若干个顶点，每一个顶点都作为中心建立一条超边，令来表示一个超图结构,v代表顶点集，每一个顶点代表一个样本点；ε代表超边集，而W代表由超边的权重构成的对角矩阵，从构建的超图结构中生成一个关联矩阵H,其中ei表示由vi生成的超边， 表示在重构vi的线性组合系数x中的第j个元素。
5.根据权利要求1所述的基于多子空间建模的图像预选系统，其特征在于，稀疏表示包括：令v和P分别表示中心样本点和k个最近邻点的特征向量，通过求解以下函数来求出P对v的稀疏表示的系数：
argminx{||Px-v||2+γ||x||1}，
式中，第一项表示k个近邻点对中心点的重构，第二项是稀疏惩罚项，γ是权衡参数。
6.根据权利要求1所述的基于多子空间建模的图像预选系统，其特征在于，所述超图构建装置通过测地近邻连接来表示流形空间。
一种基于多子空间建模的图像预选系统
技术领域
背景技术
[0002] 阿茨海默病(Alzheimer’s disease，AD)，俗称“老年痴呆”，是一种神 经退行性病变。据相关医学研究显示，介于正常衰老和痴呆之间存在一种 中间状态，叫做轻度认知障碍(Mild Cognitive Impairment，MCI)，是一种 认知障碍症候群。与年龄和教育程度匹配的正常老人相比，患者存在轻度 认知功能减退，但日常能力没有受到明显影响。在轻度认知障碍阶段进行 有效诊断，并进行针对性治疗来延缓病变，对提升患者及其家人的生活质 量有非常重要的意义。因此，在阿茨海默病发病前诊断出轻度认知障碍， 吸引了很多研究者的目光。
[0003] 最近的研究显示，在病变转换到阿茨海默症之前，大脑在结构和功能 性上发生改变，这个特性可以被用来进行轻度认知障碍的识别。现在在医 学上人们普遍利用神经影像学的方法检查大脑的特异性影像学表现。在这 里我们使用对皮质下血管改变和特殊结构改变更加敏感的核磁共振成像技 术(Magnetic Resonance Imaging，MRI)来对大脑结构进行扫描，而核磁共 振成像有多种成像参数的特点，即有T1加权成像(T1)、T2加权成像(T2)、 磁共振弥散张量成像(diffusion tensor imaging，DTI)、静息态功能磁共振 成像(resting-state functional MRI，rs-fMRI)等等。它们被用作临床上的对 大脑结构性和功能性的特点进行常规扫描。例如，T1加权成像可以检测大 脑组织类型信息，磁共振弥散张量成像可以检测神经系统中的宏观轴突组 织，静息态功能磁共振提供了当个体缺乏明确的任务时的区域性相互作用。 作为一种相关的新型技术，动脉自旋标记灌注成像(arterial spin labeling， ASL)被用作对脑灌流进行测量，并且不需要注射造影剂以及其他措施。最 近研究显示，动脉自旋标记可以实现对早期神经退行性病变实现有效预测。 而且在临床治疗中，多参量的核磁共振影像是比较容易同时得到的数据。
[0004] 最近的研究结果显示了研究者们在结合多模态(参量)数据用以提升 诊断正确率方面做了很多工作，例如结合核磁共振，正电子扫描成像，脑 脊液图像等。然而在绝大多数的工作中，都是将各个模态独立地建立样本 间关联模型，这样就忽视了模态间存在的重要的相互关联信息。实际上， 将多模态的信息进行融合是一项有挑战性的工作，因为在不同模态中样本 间关系可能不同。
[0005] 因此，目前亟需一种能够将多模态进行有效融合的系统，来对患者脑 部图像进行预选，以便辅助医生进行前期图像和患者筛选，减少医生的工 作量。
发明内容
[0006] 本发明的目的是为了克服已有方法的不足之处，提出一种系统，其能 够利用多模态的核磁共振影像数据对赝本间的关联信息提出一种更好的高 阶关联建模处理，来实现对轻度认知障碍影像的预选。
[0007] 具体而言，本发明提供一种基于多子空间建模的图像预选系统，其特 征在于，所述图像预选系统包括：核磁共振影像采集设备、图像预处理装 置、特征提取装置、超图构建装置、图像预选装置，
[0008] 核磁共振影像采集设备用于采集目标人群的大脑核磁共振影像，所述 影像包含轻度认知障碍个体的大脑核磁共振影像和正常个体的大脑核磁共 振影像的多参量数据；
[0009] 所述图像预处理装置，对多参量的核磁共振图像的大脑感兴趣区域进 行划分；
[0010] 所述特征提取装置根据划分后每个兴趣区的特性来提取所需要的特 征，并且对感兴趣区域中的特征进行定量计算，得到所需要的特征向量； 所述超图构建装置通过构建超图结构来建立样本之间的关系，在所述超图 中，通过K近邻连接来表示欧式空间，通过特征的稀疏表示来表示特征的 重构空间；
[0011] 图像预选装置基于所构建的超图，利用相同规则将目标图像映射到所 述超图中进行图像预选。
[0012] 优选地，所述成像数据包括T1加权成像、磁共振弥散张量成像、静息 态功能磁共振成像和磁共振动脉自旋标记灌注成像这四个参量的成像数 据。
[0013] 优选地，所述特征提取装置对于每个个体的T1图像数据生成一个180 维的特征向量，对于每个个体的磁共振弥散张量成像、静息态功能磁共振 成像和磁共振动脉自旋标记灌注成像分别生成一个90维的特征向量。
[0014] 优选地，所述超图构建装置构建的超图中，每条超边包含若干个顶点， 每一个顶点都作为中心建立一条超边，令g＝(v，ε，w)来表示一个超图结构,v 代表顶点集，每一个顶点代表一个样本点；ε代表超边集，而W代表由超 边的权重构成的对角矩阵，从构建的超图结构中生成一个关联矩阵H,
[0015]
[0016] 其中ei表示由vi生成的超边， 表示在重构vi的线性组合系数x中的第j个元 素。
[0017] 优选地，稀疏表示包括：令v和P分别表示中心样本点和k个最近邻 点的特征向量，通过求解以下函数来求出P对v的稀疏表示的系数：
[0018] argminx{||Px-v||2+γ||x||1}，
[0019]
[0020] 式中，第一项表示k个近邻点对中心点的重构，第二项是稀疏惩罚项， γ是权衡参数。
[0021] 优选地，所述超图构建装置通过测地近邻连接来表示流形空间。
[0022] 本发明的系统提供了从图像采集到图像处理以及最终图像筛选的全流 程处理。
[0023] 本发明的系统能够在多子空间中估计样本之间的关联信息，基本思想 为在一个半监督方法下通过结合多模态的图像数据信息来估计不用样本的 相似度关联信息，即估计不同样本属于同一类别的可能性，然后将关联信 息在多个特征子空间上以超图结构进行表达(包括训练数据和测试数据)， 再多模态多子空间的超图结构结合起来，利用超图学习的方法实现对测试 数据的分类，即实现对轻度认知障碍的预测。
[0024] 与其他的轻度认知障碍(MCI)图像预选系统相比，本发明的系统从多 个子空间入手，去挖掘样本点之间更高阶的关联信息，这样得到的信息更 加全面。相比于其他超图构建系统，我们的系统可以建立性能更优的超图 结构，包含的信息更加丰富有效。附图说明
[0025] 图1为基于多子空间建模的图像预选系统的工作过程示意图。
[0026] 图2示出了欧式子空间。
[0027] 图3示出了超边的构建。
[0028] 图4为不同图像数据的特征维度信息。
[0029] 图5为T1参量数据结果的对比视图。
[0030] 图6为DTI参量数据结果的对比视图。
[0031] 图7为RS-fMRI数据结果的对比视图。图8为ASL数据结果的对比视图。
图9多参量成像数据结果。
图9多参量成像数据结果。
具体实施方式
[0032] 以下结合附图及其实施例对本发明进行详细说明，但并不因此将本发 明的保护范围限制在实施例描述的范围之中。
[0033] 为实现本发明的目的，本发明提出的基于多子空间的MCI图像预选系 统。
[0034] 所述图像预选系统包括：核磁共振影像采集设备、图像预处理装置、特 征提取装置、超图构建装置、图像预选装置。
[0035] 图像采集
[0036] 核磁共振影像采集设备用于采集目标人群的大脑核磁共振影像。MRI 检查有多个成像参数的特点，即有T1加权成像(T1)、T2加权成像(T2)、 磁共振弥散张量成像(DTI)等等。获取图像数据之后，首先对数据进行筛 选，经过初步的筛选后，总共选出80组轻度认知障碍个体的大脑核磁共振 影像数据和80组正常无患病的对照数据。这里我们选用T1加权成像 (T1-weighted，T1)、磁共振弥散张量成像(Diffusion Tecsor Imaging，DTI)、 静息态功能磁共振成像(Resting-State functional MRI，RS-fMRI)和磁共振 动脉自旋标记灌注成像(Arterial Spin Labelling，ASL)这四个参量的成像 数据。每组数据包含这四个参量的核磁成像数据。
[0037] 图像预处理装置，对多参量的核磁共振图像的大脑感兴趣区域进行划 分。特征提取装置根据划分后每个兴趣区的特性来提取所需要的特征，并 且对感兴趣区域中的特征进行定量计算，得到所需要的特征向量。根据解 剖学知识，大脑上的区域可以划分为90个兴趣区，可以根据划分后每个兴 趣区的特性来提取所需要的特征。我们根据这90个兴趣区的位置通过形变 配准算法来对这四个参量的图像数据进行划分，每个参量的图像数据都划 分成90个区域，通过对这90个兴趣区中的一些反映医学特性的特征进行 定量计算，可以得到我们需要的特征向量。这样，每个个体的T1图像数据 可以生成一个180维的特征向量，DTI、RS-fMRI和ASL图像数据可以分 别生成一个90维的特征向量，如图2所示。
[0038] 超图构建装置通过在多子空间上构建超图结构来建立样本之间的关 系。传统的超图模型是依赖K近邻算法(K nearest neighbor，KNN)而构 建的，而我们提出的模型是依赖于多子空间的信息，包括运用K近邻连接 来表示欧式空间，运用特征的稀疏表示来表示特征的重构空间，运用测地 近邻连接来表示流形空间。
[0039] 欧式子空间：传统的超图结构就是在欧式空间中建立的，如图2所示。 其中，每一个点都是一个顶点，每个顶点表示一个样本点的特征向量。根 据传统的图论，每条边只能包含两个顶点，而在超图结构中，每条超边可 以包含若干个顶点，包含的顶点及其个数由K近邻算法的参数k决定。我 们以每一个顶点都作为中心建立一条超边，假设有N个顶点，就会生成N 条超边。令g＝(v，ε，W)来表示一个超图结构，v代表顶点集，每一个顶点代 表一个样本点；ε代表超边集，而W代表由超边的权重构成的对角矩阵。 于是，我们可以从构建的超图结构中生成一个关联矩阵H，即：
[0040]
[0041] 特征稀疏子空间：K近邻算法在欧式空间构建超图在性能上易受噪声 和极端值的影响，如果数据中存在噪声，模型的鲁棒性较差。因此，本发 明的系统中，使用特征的稀疏表示来建立样本之间的关系。让一个样本点 在欧式空间中的k个近邻点的线性组合来尽可能的表现该样本点，同时要 求线性组合的系数尽可能的稀疏，来挖掘欧式空间中的k个近邻点里和中 心点最相关的点并排除其中和中心点最不相关的点，来实现进一步提取样 本点之间存在的关联信息。在表示上，令v和P分别表示中心样本点和k 个最近邻点的特征向量。我们通过求解以下函数来求出P对v的稀疏表示 的系数：
[0042] argminx{||Px-v||2+γ||x||1}，
[0043]
[0044] 上式第一项表示k个近邻点对中心点的重构，目的是使线性组合的误 差最小化，第二项是稀疏惩罚项，目的是使系数x尽可能的稀疏。γ是权 衡参数。约束xi≥0是为了保证线性组合的系数非负，近邻点不会对中心点 起到反作用。通过这种方法，可以得到超图的关联矩阵为：
[0045]
[0046] 其中vi表示由vi生成的超边， 表示在重构vi的线性组合系数x中的第j 个元素。
[0047] 流形空间：在最初的特征空间里构建的超图可能不是最优的，于是本 发明的系统在流形空间里去估计样本之间的关系。首先，超图构建装置把 所有的样本点映射到流形结构中去，然后在这个流形空间中构建超图。考 虑到超图结构在探究数据高阶关联的优越性，超图构建装置采用了本发明 最新设计的一个基于超图的双层图学习算法。首先，用图的半监督学习算 法将特征映射到流形子空间中来估计样本之间的关系，然后将得到的关联 信息送入超图模型中预测结果。
[0048] 更具体的说，超图构建装置用所有的样本点构建一个图结构，用顶点vs表示一个样本点，ε(vs，vt)表示一条边，代表了vs和vt的相似度，定义如下：
[0049]
[0050] 其中d2(vs，vt)表示了vs和vt的欧氏距离的平方。同时令 D(s，s)＝∑tW(s，t)。根据已有的图学习算法，可以得到顶点之间的关系矩阵 为：
[0051]
[0052] 其中S＝D-1/2WD-1/2，ζ为权衡参数。
[0053] 接下来利用得到的关系矩阵R来构建超图结构。将每一个顶点选为中 心点，根据R矩阵中的顶点之间的关系来选取k个与其最相关的顶点与其 连接构成超边。当v∈e关联矩阵H(v，e)为1，否则为0。每条超边的权重为
[0054]
[0055] 对每种参量的特征向量，都进行这三个步骤的特征处理和超图构建。 在下面超图构建装置将融合这多个子空间的超图来生成一个总超图，融合 的方法是：对每一个参量的数据，在以一个顶点为中心点构建超边时，将 以上三种在子空间构建的对应中心点的超边及加权取并集，将在这三个超 边中出现过的顶点都划入总的超边里，如图3所示。可以通过得到的总超 图来生成关联矩阵H。将这四个参量的H矩阵并排放置在一起，得到了最 终要送入分类步骤中的H，即H＝[HT1 HDTI HRS-fMRI HASL]。其中，不同矩 阵代表由不同参量的特征数据生成的关联矩阵H，本系统采用多参量的成 像数据，分别为T1加权成像(T1-weighted，T1)、磁共振弥散张量成像 (Diffusion Tecsor Imaging，DTI)、静息态功能磁共振成像 (Resting-State functional MRI，RS-fMRI)和磁共振动脉自旋标记灌注 成像(Arterial Spin Labelling，ASL)，每种成像数据通过以上方法都可 以生成对应的关联矩阵H。T1加权成像(T1)数据生成关联矩阵HT1，磁共 振弥散张量成像(DTI)数据生成关联矩阵HDTI，静息态功能磁共振成像 (RS-fMRI)数据生成关联矩阵HRS-fMRI，磁共振动脉自旋标记灌注成像(ASL) 数据生成关联矩阵HASL，即里面不同矩阵分别代表由不同参量成像数据生成 的相应的关联矩阵H。
[0056] 得到了关联矩阵H之后，我们计算每个顶点v∈V和每条超边e∈ε的阶 次，即d(v)＝∑e∈εw(e)h(v，e)和δ(e)＝∑v∈Vh(v，e)。根据超图学习算法，求解 以下的目标函数来求出样本点和和标签的关联：
[0057] argminF{Ω(F)+λRemp(F)} (6)
[0058] 其中第一项为超图的正则化项，第二项为经验损失项，λ为权衡参数。 Ω的定义为：
[0059]
[0060] 其中， 经验损失项定义为：
[0061]
[0062] 其中 是标签矩阵，当样本点vi为第k类时，Y(i，k)值为1，其他 为0。
[0063] 通过令目标函数对F的偏导数为0，可得到目标函数的解为：
[0064]
[0065] 其中F为置信分数，顶点vi属于F(i，：)中分数值最大的一类。分数矩 阵F为一个n*c维的矩阵，其中n为样本个数，c为类的个数。考虑第i个 样本对应于F矩阵的第i行，即F(I,:)，F(I,:)中最大的那一项所对应的 列数j即为分类结果，即将第i个样本图像分为第j类。
[0066] 以上所述仅为本发明的较佳实施例，并非对本发明做任何形式上的限 制，凡在本发明的精神和原则之内，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，均仍属于本发明的保护范围之内。
[0067] 虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描 述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现 方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对 本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本 发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保 护范围之内。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 磁共振弥散张量成像的去噪方法和系统 | 2020-05-17 | 757 |
| 基于脑磁图和弥散张量成像的多模态脑功能重建评估方法 | 2020-05-21 | 15 |
| 一种汉语语言功能区测查用功能磁共振成像数据的处理方法 | 2020-05-24 | 999 |
| 一种基于磁共振弥散张量成像确定目标边界的方法 | 2020-05-22 | 207 |
| 压缩感知框架下的快速弥散张量成像方法及系统 | 2020-05-19 | 973 |
| 弥散张量成像方法及系统 | 2020-05-12 | 514 |
| 磁共振弥散张量成像方法和系统 | 2020-05-13 | 928 |
| 多b值弥散张量成像采样方法 | 2020-05-14 | 218 |
| 磁共振弥散张量成像质量控制综合测试体模 | 2020-05-18 | 578 |
| 组织的弥散椭球映射 | 2020-05-28 | 726 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈