反正則判別為正常。
[0082] 3. 4)運(yùn)用線性（Linear)判別函數(shù)，對各指標(biāo)均值與標(biāo)準(zhǔn)差數(shù)據(jù)進(jìn)行判別分析，具 體包括：
[0083] 3.4. 1)根據(jù)步驟3. 2)_3. 3)得出的指標(biāo)差異性結(jié)論，將每組有顯著性差異的 指標(biāo)均值數(shù)據(jù)作為一個屬性，并將按特定規(guī)律組合的數(shù)據(jù)作為新的綜合指標(biāo)（如組合 MD \ GFAIA LSOI D );
[0084] 3. 4. 2)以步驟3. 4. 1)得出的綜合指標(biāo)為判別標(biāo)準(zhǔn)，并選取被試者對應(yīng)的指標(biāo)數(shù) 據(jù)作為樣本，調(diào)用線性判別函數(shù)，獲取各組的協(xié)方差矩陣的估計，最終將被試者分配到兩個 類別之一，即為預(yù)測判別被試者的患病結(jié)果。
[0085] 本實施例中，為驗證本早期帕金森預(yù)測分析方法的準(zhǔn)確性與可靠性，選取37組帕 金森癥患者與正常人腦區(qū)數(shù)據(jù)進(jìn)行指標(biāo)差異性分析實驗；本方法運(yùn)用基于HARDI技術(shù)的中 腦黑質(zhì)區(qū)域各指標(biāo)的計算與綜合分析方法，得出帕金森癥患者與正常人腦纖維差異，綜合 出一種早期帕金森癥的患病預(yù)測的分析方法，可在將來運(yùn)用于病癥的臨床診斷預(yù)測與病理 研宄。
【主權(quán)項】
1. 一種用于早期帕金森癥預(yù)測的綜合分析方法，其特征在于：所述綜合分析方法包括 以下步驟： 步驟S1，讀取擴(kuò)散加權(quán)磁共振數(shù)據(jù)DW-MRI，并對全部數(shù)據(jù)進(jìn)行降噪、平滑預(yù)處理，運(yùn)用 擴(kuò)散張量成像及高角度分辨率擴(kuò)散成像技術(shù)進(jìn)行建模成像及纖維跟蹤，獲取體素纖維方向 信息，并計算得到6種腦纖維差異分析指標(biāo)數(shù)據(jù)，包括各向異性分?jǐn)?shù)FA、平均彌散系數(shù)MD、 均方位移MSD、廣義各向異性分?jǐn)?shù)GFA、GFApeak及體素平均密度5 ; 步驟S2,提取并標(biāo)記特定腦部區(qū)域體素信息，所述特定腦部區(qū)域為中腦，根據(jù)設(shè)定各向 異性分?jǐn)?shù)FA的閾值，選取連續(xù)區(qū)域為中腦黑質(zhì)區(qū)域，然后篩選提取感興趣區(qū)域內(nèi)的各指標(biāo) 數(shù)據(jù)； 步驟S3,根據(jù)步驟S2中得到的6種差異分析指標(biāo)，運(yùn)用SPSS分析工具進(jìn)行綜合分析， 得出被試者與正常人中腦黑質(zhì)區(qū)域的纖維差異性結(jié)果，從而預(yù)測被試者的患病情況，過程 如下： 3. 1)運(yùn)用SPSS對各組指標(biāo)中錯誤數(shù)據(jù)及異常數(shù)據(jù)進(jìn)行預(yù)處理，具體步驟包括： 首先，將被試者數(shù)據(jù)與已知正常人數(shù)據(jù)分為2類，另設(shè)變量w作為組別標(biāo)記，其值包括 自然數(shù)1表示被試組、2表示控制組； 其次，對控制組由SPSS標(biāo)出異常個案，進(jìn)行剔除；對被試組采用SPSS統(tǒng)計離散值，將數(shù) 據(jù)進(jìn)行篩選并剔除錯誤值；篩選后的缺失數(shù)據(jù)用均值填充； 最后，分別計算各指標(biāo)每組數(shù)據(jù)的均值、標(biāo)準(zhǔn)差，并進(jìn)行0-1標(biāo)準(zhǔn)化處理； 3. 2)分別對單個指標(biāo)均值、標(biāo)準(zhǔn)差進(jìn)行單因素方差分析： 以步驟3. 1)得出的組別標(biāo)記變量w作為自變量，被試組、控制組各指標(biāo)均值及標(biāo)準(zhǔn)差 數(shù)據(jù)作為各因變量，運(yùn)用SPSS對單因素試驗結(jié)果進(jìn)行分析，以P = 0. 05為顯著性水平，通 過對多個樣本均值的顯著性檢驗，分析獲得各指標(biāo)在被試組與控制組間的顯著差異結(jié)果，P < 0. 05表示數(shù)據(jù)存在顯著性差異（即初步預(yù)測被試者患?。粗A(yù)測被試者未患病。2. 如權(quán)利要求1所述的一種用于早期帕金森癥預(yù)測的綜合分析方法，其特征在于：所 述步驟S3還包括如下步驟： 3. 3)根據(jù)各指標(biāo)數(shù)據(jù)計算反應(yīng)數(shù)據(jù)內(nèi)在含義的綜合指標(biāo)，并進(jìn)行組合分析，具體步驟 如下： 3. 3. 1)將被試組各均值、標(biāo)準(zhǔn)差數(shù)據(jù)進(jìn)行1-2標(biāo)準(zhǔn)化處理，即將步驟3. 1)獲取的0-1 標(biāo)準(zhǔn)化數(shù)據(jù)結(jié)果加1，轉(zhuǎn)換到1-2區(qū)間； 3. 3. 2)設(shè)定參數(shù)a e (〇, 1)，將a與各指標(biāo)均值、標(biāo)準(zhǔn)差S進(jìn)行線性或非線性組合， 得到各指標(biāo)對應(yīng)新指標(biāo)數(shù)據(jù)f(x, y): f (x, y) = ax+(l-a)y 其中X，y分別為?7, S的線性或非線性運(yùn)算變換，此處取X = ln(t7), y = In(S); 3. 3. 3)分別對3. 3. 2)計算得出的各指標(biāo)f(x，y)進(jìn)行方差分析，計算使各指標(biāo)同時滿 足顯著差異的相應(yīng)閾值范圍a ;若存在滿足上述條件的a，則表明被試者與正常人腦纖維存 在顯著差異，反正則判別為正常。3.如權(quán)利要求2所述的一種用于早期帕金森癥預(yù)測的綜合分析方法，其特征在于：所 述步驟S3還包括如下步驟： 3. 4)運(yùn)用線性判別函數(shù)Linear，對各指標(biāo)均值與標(biāo)準(zhǔn)差數(shù)據(jù)進(jìn)行判別分析，過程包 括： 3. 4. 1)根據(jù)步驟3. 2)-3. 3)得出的指標(biāo)差異性結(jié)論，將每組有顯著性差異的指標(biāo)均值 數(shù)據(jù)作為一個屬性，并將按設(shè)定規(guī)律組合的數(shù)據(jù)作為新的綜合指標(biāo)； 3.4.2)以步驟3. 4.1)得出的綜合指標(biāo)為判別標(biāo)準(zhǔn)，并選取被試者對應(yīng)的指標(biāo)數(shù)據(jù)作 為樣本，調(diào)用線性判別函數(shù)，獲取各組的協(xié)方差矩陣的估計，最終將被試者分配到兩個類別 之一，即為預(yù)測判別被試者的患病結(jié)果。4. 如權(quán)利要求1~3之一所述的一種用于早期帕金森癥預(yù)測的綜合分析方法，其特征 在于：所述步驟Sl中，運(yùn)用DTI及HARDI方法進(jìn)行纖維重構(gòu)及纖維方向分布估計，并在此基 礎(chǔ)上獲取6項差異分析指標(biāo)，各指標(biāo)計算方法包括以下步驟： I. 1)通過擴(kuò)散張量成像（DTI)建模，獲取組織在三個軸方向的平均擴(kuò)散度，即二階張 量擴(kuò)散特征值的平均值λ i，λ 2, λ 3，最終算得FA、MD指標(biāo)數(shù)據(jù)：1. 2)與步驟I. I) FA計算方法類似，通過擴(kuò)散信號的Funk-Radon變換（FRI)并歸一化， 重構(gòu)測量擴(kuò)散方向分布函數(shù)（ODF)，然后估計每個體素內(nèi)的潛在纖維方向概率分布，從而計 算出指標(biāo)GFA，計算公式如下：其中尹=('47〇_1>[@間也，1//0)是感興趣擴(kuò)散方向6的一個(^值，^7是(^的平均值， GFA表不纖維各向異性分?jǐn)?shù)的均值，GFApeak表不纖維各向異性峰值； 1.3)通過HARDI的流線性纖維跟蹤，獲取三維體素體積信息，并以纖維體素為單位，計 算得穿過某區(qū)域單位體積纖維數(shù)，即纖維疏密程度衡量指標(biāo)，體素平均密度5，計算公式如 下.其中，η表示穿過ROI內(nèi)的纖維總數(shù)，V表示該區(qū)域內(nèi)體素的總體積； 1. 4)在建模及貝葉斯概率跟蹤基礎(chǔ)上，通過獲取分子運(yùn)動的參數(shù)估計，計算歸一化球 面采樣信號的分子擴(kuò)散位移對擴(kuò)散時間的積分變換，從而獲取三維體素內(nèi)單個分子運(yùn)動的 平均距離，即為MSD指標(biāo)，用于后續(xù)帕金森癥ROI內(nèi)微觀分子運(yùn)動距離的差異性分析，具體 計算公式如下：其中，i = 1，...，m，m表示分子數(shù)量力⑴-:^⑶為分子i在一定時間間隔長度t的 矢量距離；該向量的平方是多個時間間隔的均值。5. 如權(quán)利要求1~3之一所述的一種用于早期帕金森癥預(yù)測的綜合分析方法，其特征 在于：所述步驟S2中，篩選提取精確中腦黑質(zhì)區(qū)域指標(biāo)數(shù)據(jù)，具體步驟如下： 首先，運(yùn)用slicer軟件提取中腦區(qū)域LABEL ; 再將步驟SI中獲取的指標(biāo)矩陣形式數(shù)據(jù)通過成像分析，結(jié)果顯示ROI內(nèi)FA值均在小 于0. 5范圍內(nèi)，根據(jù)此特性確定精確中腦黑質(zhì)區(qū)域； 然后根據(jù)設(shè)定FA的閾值選取連續(xù)區(qū)域，從而獲取精確ROI內(nèi)各指標(biāo)數(shù)據(jù)。
【專利摘要】一種用于早期帕金森癥預(yù)測的綜合分析方法，包括以下步驟：步驟S1，讀取擴(kuò)散加權(quán)磁共振數(shù)據(jù)DW-MRI，并對全部數(shù)據(jù)進(jìn)行降噪、平滑預(yù)處理，運(yùn)用擴(kuò)散張量成像及高角度分辨率擴(kuò)散成像技術(shù)進(jìn)行建模成像及纖維跟蹤，獲取體素纖維方向信息，并計算得到6種腦纖維差異分析指標(biāo)數(shù)據(jù)；步驟S2，提取并標(biāo)記特定腦部區(qū)域體素信息，根據(jù)設(shè)定各向異性分?jǐn)?shù)FA的閾值，選取連續(xù)區(qū)域為中腦黑質(zhì)區(qū)域，然后篩選提取感興趣區(qū)域內(nèi)的各指標(biāo)數(shù)據(jù)；步驟S3，根據(jù)步驟S2中得到的6種差異分析指標(biāo)，運(yùn)用SPSS分析工具進(jìn)行綜合分析，得出被試者與正常人中腦黑質(zhì)區(qū)域的纖維差異性結(jié)果，從而預(yù)測被試者的患病情況。本發(fā)明高分辨率、準(zhǔn)確可靠。
【IPC分類】G06T7/00
【公開號】CN104899884
【申請?zhí)枴緾N201510298754
【發(fā)明人】詹佳雯, 馮遠(yuǎn)靜, 吳燁, 周思琪, 龔一隆, 毛文濤, 周俠, 葉峰, 梁朝凱, 李小薪, 梁榮華
【申請人】浙江工業(yè)大學(xué)
【公開日】2015年9月9日
【申請日】2015年6月3日