基于腦部病理年齡估計的腦疾病檢測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及生物醫(yī)學電子中的信息檢測技術(shù)，具體涉及一種基于腦部病理年齡估 計的腦疾病檢測系統(tǒng)。
【背景技術(shù)】
[0002] 人的年齡可有實際年齡（以生命長短來計算）、生理年齡（除大腦之外其他重要器 官功能的年齡)和腦年齡等區(qū)分，而腦部病理年齡，在某種意義上，是以病理改變命名的腦 疾病患者的腦齡，雖病位在腦，但與身體各肝腑功能密切相關(guān)，病理機制屬本虛標實。
[0003] 常人在一般情況下，過了25歲，體內(nèi)各器官和組織的功能都開始逐漸減弱，這是一 個隨著年齡增長而走向退化的標志。常人過了 40歲就容易忘事，雖然這是腦退化的跡象，但 伴隨而來的是對事物的理解力、判斷力、綜合分析能力的增強，腦子也更趨成熟、完善，這是 它積極的一面。同時由于各種原因腦組織本身發(fā)生器質(zhì)性病變，腦部病理性萎縮在癡呆患 者中加速腦萎縮，造成腦組織細胞減少，結(jié)構(gòu)體積縮小，腦實質(zhì)減少，腦質(zhì)量減輕，這又是它 消極的一面。這就是腦部病理年齡與生理年齡、實際年齡的最大區(qū)別。
[0004] 研究發(fā)現(xiàn)，在不同的年齡階段，人腦的發(fā)育過程表現(xiàn)出完全不同的規(guī)律，如果以腦 部病理年齡來測度大腦發(fā)育狀況或程度，則它與實際年齡既有密切的聯(lián)系，又有其獨特的 特性。揭示腦部病理年齡與實際年齡的內(nèi)置聯(lián)系，對了解大腦發(fā)育過程和演化規(guī)律，認識人 腦認知能力、心理和行為學的變化等，具有重要的科學研究價值。
[0005] 現(xiàn)有技術(shù)中，通常采用支持向量機(SVM)或者關(guān)聯(lián)向量機(RVM)，建立腦齡回歸模 型，對腦齡進行分析。利用平均絕對誤差，均方根誤差以及相關(guān)系數(shù)評估訓練模型，提高分 類準確率和估計腦齡與實際年齡的擬合度。這種評價是通過測試誤差來評價模型的泛化能 力，對測試數(shù)據(jù)集依賴大，因為測試數(shù)據(jù)集有限，很有可能得到的評價結(jié)果不可靠。

【發(fā)明內(nèi)容】

[0006] 本申請通過提供一種基于腦部病理年齡估計的腦疾病檢測系統(tǒng)，一方面用于解決 現(xiàn)有的腦部病理年齡檢測不合理、不規(guī)范的缺陷，另一方面還能提高腦部病理年齡檢測準 確性，為腦疾病的診斷和治療提供理論基礎(chǔ)和科學依據(jù)。
[0007] 為達到上述目的，本發(fā)明采用的技術(shù)方案如下：
[0008] -種基于腦部病理年齡估計的腦疾病檢測系統(tǒng)，其關(guān)鍵在于包括：
[0009] 圖像采集設(shè)備：用于采集腦磁共振圖像，并將采集到的腦磁共振圖像輸入到存儲 器中；
[0010] 實際年齡輸入設(shè)備:用于輸入實際年齡信息到存儲器中；
[0011] 存儲器:設(shè)有VCI樣本數(shù)據(jù)庫、CTL樣本數(shù)據(jù)庫以及待測數(shù)據(jù)庫，所述VCI樣本數(shù)據(jù) 庫用于存儲腦疾病患者的腦磁共振圖像和對應(yīng)實際年齡信息，所述CTL樣本數(shù)據(jù)庫用于存 儲正常人的腦磁共振圖像和對應(yīng)的實際年齡信息，所述待測數(shù)據(jù)庫用于存儲未確診對象的 腦磁共振圖像和對應(yīng)的實際年齡信息；
[0012] 預處理模塊:從存儲器的各個數(shù)據(jù)庫中獲取腦磁共振圖像并進行組織分割；
[0013] 特征提取模塊:從組織分割后的腦磁共振圖像中提取N個圖像特征；
[0014] 特征選擇模塊:根據(jù)參數(shù)優(yōu)化模塊輸出的圖像特征選擇參數(shù)從N個圖像特征中選 擇Μ個圖像特征送入腦部病理年齡估計模塊中，N和Μ為正整數(shù)；
[0015] 腦部病理年齡估計模塊:將特征選擇模塊所選的Μ個圖像特征和實際年齡信息作 為模型輸入，利用VCI樣本數(shù)據(jù)庫和CTL樣本數(shù)據(jù)庫中的數(shù)據(jù)進行樣本訓練和樣本測試，通 過參數(shù)優(yōu)化模塊對模型參數(shù)和圖像特征選擇參數(shù)進行優(yōu)化，得到最佳腦部病理年齡估計模 型，利用該模型對待測數(shù)據(jù)庫中的數(shù)據(jù)進行處理，從而輸出未確診對象的腦部病理年齡估 計值；
[0016] 參數(shù)優(yōu)化模塊:用于改變腦部病理年齡估計模型的模型參數(shù)以及特征選擇模塊的 圖像特征選擇參數(shù)，使得腦部病理年齡估計模型的適應(yīng)度函數(shù)最大化；
[0017] 分類識別模塊:根據(jù)腦部病理年齡估計模塊輸出的腦部病理年齡估計值與對應(yīng)的 實際年齡信息進行分類識別；
[0018] 結(jié)果輸出模塊:輸出分類識別模塊的識別結(jié)果。
[0019] 進一步地，所述預處理模塊從存儲器的各個數(shù)據(jù)庫中獲取腦磁共振圖像，并按左 右腦分別分割為多個組織，包括丘腦、尾狀核頭、核殼、蒼白球、海馬體、扁桃腺和伏核區(qū)。
[0020] 再進一步地，所述特征提取模塊所提取的圖像特征包括每個組織的形態(tài)、數(shù)量、周 長、面積、容積、曲率、厚度。
[0021] 根據(jù)實際情況需要，所述腦部病理年齡估計模塊采用SVR模型。
[0022] 作為優(yōu)選，所述腦部病理年齡估計模塊在模型訓練過程中，先利用VCI樣本數(shù)據(jù)庫 和CTL樣本數(shù)據(jù)庫中的數(shù)據(jù)進行樣本訓練，設(shè)定正常人的年齡偏差ρ在(p min，pmax)范圍內(nèi)變 化，腦疾病患者的年齡偏差q在(，qmax)范圍內(nèi)變化，p，q的變化步進Δ = 1，選定訓練樣本 和測試樣本，將訓練樣本的圖像特征和實際年齡作為輸入，將實際年齡與年齡偏差之和作 為目標輸出，利用參數(shù)優(yōu)化模塊中的遺傳算法改變腦部病理年齡估計模型的模型參數(shù)以及 特征選擇模塊的圖像特征選擇參數(shù)，通過測試樣本進行測試，尋找當前(P，q)組合下適應(yīng)度 函數(shù)最大值，得到局部最優(yōu)的模型參數(shù)和圖像特征選擇參數(shù);通過在(p min，pmax)和（qmin， qmax)范圍內(nèi)按預設(shè)步進輪詢，尋找所有(p，q)組合中適應(yīng)度函數(shù)最大值，得到全局最優(yōu)的模 型參數(shù)和圖像特征選擇參數(shù)，從而得到最佳腦部病理年齡估計模型。
[0023]為了保證腦部病理年齡估計模型的輸出準確率，所述腦部病理年齡估計模塊在模 型訓練過程中，所采用的適應(yīng)度函數(shù)為
中：
[0024]
f表示類間方差； fs/\ + N2 ' iVt + 1\21
[0025]
I示類內(nèi)方差；
[0026] 其中，/1 表示正常人測試樣本占總測試樣本的比值；
表示腦 疾病患者測試樣本占總測試樣本的比值；
[0027]
[0028] Νι和N2分別表示正常人測試樣本和腦疾病患者測試樣本的樣本個數(shù)，且至少等于 10;
[0029] ypi表示測試樣本中第i個正常人的腦部病理年齡估計值，表示測試樣本中第j 個腦疾病患者的腦部病理年齡估計值；
[0030] 3^表示測試樣本中Νι個正常人的腦部病理年齡估計值均值，3^表示測試樣本中N2 個腦疾病患者的腦部病理年齡估計值均值。
[0031 ] $表示測試樣本中此個正常人和他個腦疾病患者的腦部病理年齡估計值均值。
[0032] 根據(jù)類間方差越大同時類內(nèi)方差越小，分類能力越強的原則，引入適應(yīng)度函數(shù)λ， 即類間方差與類內(nèi)方差之比，λ值越大越能有效地將正常人的腦部病理年齡和腦疾病患者 的腦部病理年齡區(qū)別開來，保證了分類效果。
[0033] 進一步優(yōu)選，所述分類識別模塊提取最佳腦部病理年齡估計模型訓練時所采用的 (p，q)組合并記為(pbest，q best)，未確診對象通過腦部病理年齡估計模塊所得腦部病理年齡 與實際年齡的偏差為Pe，當|pe-pbest| < |pe-qbest，則分類識別模塊將其歸為正常人，否則歸 為腦疾病患者，。
[0034] 與現(xiàn)有技術(shù)相比，本發(fā)明具有的技術(shù)效果或優(yōu)點是：充分運用了腦磁共振圖像特 征，結(jié)合樣本的實際年齡信息，通過大量樣本進行模型訓練和測試，所得腦部病理年齡估計 模塊能夠有效估計被測對象的腦部病理年齡，同時，系統(tǒng)通過腦部病理年齡估計值與實際 年齡的偏差將其分類識別出被測對象是否患有腦疾病，整個系統(tǒng)原理簡單，實現(xiàn)方便，對腦 疾病的探測更具有科學依據(jù)，可靠度高，可行性強。
【附圖說明】
[0035] 圖1為本發(fā)明的系統(tǒng)原理框圖；
[0036] 圖2為腦部病理年齡估計模型的訓練流程圖；
[0037]圖3為腦部病理年齡估計模型線性可分的效果示意圖。
【具體實施方式】
[0038]下面結(jié)合附圖及具體實施例對本發(fā)明的工作原理和顯著效果作進一步說明。
[0039]如圖1所示，一種基于腦部病理年齡估計的腦疾病檢測系統(tǒng)，包括：
[0040]圖像采集設(shè)備：用于采集腦磁共振圖像，并將采集到的腦磁共振圖像輸入到存儲 器中；
[0041 ]實際年齡輸入設(shè)備:用于輸入實際年齡信息到存儲器中；
[0042]存儲器：設(shè)有VCI(Vascular Cognitive Impairment)樣本數(shù)據(jù)庫、CTL(Control) 樣本數(shù)據(jù)庫以及待測數(shù)據(jù)庫，所述VCI樣本數(shù)據(jù)庫用于存儲腦疾病患者的腦磁共振圖像和 對應(yīng)實際年齡信息，所述CTL樣本數(shù)據(jù)庫用于存儲正常人的腦磁共振圖像和對應(yīng)的實際年 齡信息，所述待測數(shù)據(jù)庫用于存儲未確診對象的腦磁共振圖像和對應(yīng)的實際年齡信息；
[0043] 預處理模塊:從存儲器的各個數(shù)據(jù)庫中獲取腦磁共振圖像并進行組織分割；
[0044] 特征提取模塊:從組織分割后的腦磁共振圖像中提取N個圖像特征；
[0045] 特征選擇模塊:根據(jù)參數(shù)優(yōu)化模塊輸出的圖像特征選擇參數(shù)從N個圖像特征中選 擇Μ個圖像特征送入腦部病理年齡估計模塊中，N和Μ為正整數(shù)；
[0046] 腦部病理年齡估計模塊:將特征選擇模塊所選的Μ個圖像特征和實際年齡信息作 為模型輸入，利用VCI樣本數(shù)據(jù)庫和CTL樣本數(shù)據(jù)庫中的數(shù)據(jù)進行樣本訓練和樣本測試，通 過參數(shù)優(yōu)化模塊對模型參數(shù)和圖像特征選擇參數(shù)進行優(yōu)化，得到最佳腦部病理年齡估計模 型，利用該模型對待測數(shù)據(jù)庫中的數(shù)據(jù)進行處理，從而輸出未確診對象的腦部病理年齡估 計值；
[0047] 參數(shù)優(yōu)化模塊:用于改變腦部病理年齡估計模型的模型參數(shù)以及特征選擇模塊的 圖像特征選擇參數(shù)，使得腦部病理年齡估計模型的適應(yīng)度函數(shù)最大化；
[0048]分類識別模塊:根據(jù)腦部病理年齡估計模塊輸出的腦部病理年齡估計值與對應(yīng)的 實際年齡信息進行分類識別；
[0049]結(jié)果輸出模塊:輸出分類識別模塊的識別結(jié)果。
[0050] 以血管性癡呆檢測為例，在存儲器中預先采集了62例樣例，其中VCI樣本數(shù)據(jù)庫中 存儲有30例確認為血管性癡呆患者的腦磁共振圖像和對應(yīng)實際年齡信息，實際年齡范圍為 51~78周歲，男女比例為9:21，隨機選擇了20例作為訓練樣本，剩余10例作為測試樣本;CTL 樣本數(shù)據(jù)庫中存儲有32例正常人的腦磁共振圖像和對應(yīng)實際年齡信息，實際年齡范圍為51 ~75周歲，男女比例為10:22,隨機選擇了20例作為訓練樣本，剩余12例作為測試樣本。
[0051] 血管性癡呆通常是因為腦血管病變(包括腦出血和腦梗死）引起的腦組織缺血、缺 氧，進而導致腦功能衰退。通過觀察樣本腦解剖結(jié)構(gòu)的磁共振圖像(MRI)可以發(fā)現(xiàn)，易發(fā)生 癡呆病變的好發(fā)部位有:丘腦