(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211265109.9 (22)申请日 2022.10.17 (71)申请人 珠海市隆远医疗科技有限公司 地址 519000 广东省珠海市香洲区旅游路 168号 （梅溪商业广场B座） 云溪谷数字 产业园5层5 -429 （集中办公区） (72)发明人 戴西件　刘碧霞　曹雨青　梁成凤　 (74)专利代理 机构 宁波海曙甬睿专利代理事务 所(普通合伙) 33330 专利代理师 王广平 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G16H 30/20(2018.01) A61B 5/00(2006.01)A61B 5/055(2006.01) G06N 20/00(2019.01) G06V 10/24(2022.01) G06V 10/26(2022.01) (54)发明名称 静息态功能磁共振影像数据分类方法、 系统 及相关产品 (57)摘要 本发明公开一种静息态功能磁共振影像数 据分类方法、 系统及相关产品， 所述方法包括： 对 静息态功能磁共振数据进行信噪比提高的预处 理分析； 进行脑区分割； 对每个脑区进行影像学 指标的特征提取； 筛选有意义特征； 将验证集输 入到训练完成后的每种分类器模 型中， 得到最优 分类结果； 按照影像学指标的特征对分类器模型 的贡献度进行排序和/或根据预设计算方式计算 得到脑区的权重大小对每个脑区在分类中的重 要性进行排序。 本发明尽可能的利用常用的可反 映大脑状态的功能与结构影像学特征， 经特征降 维处理后， 筛选出对分类诊断具有意义的特征进 行早期分类识别， 增加分类精度及迁移性能， 可 更真实地接 近并反映精神疾病大脑的状态。 权利要求书3页 说明书11页 附图4页 CN 115457334 A 2022.12.09 CN 115457334 A 1.一种静息态 功能磁共 振影像数据分类方法， 其特 征在于， 包括以下步骤： 设置病人组及与其对照的正常组； 采集所述病人组与 所述正常组中每个人的静息态功能磁共振数据， 并对所述静息态功 能磁共振数据进行信噪比提高的预处 理分析； 对预处理后的所述静息态功能磁共振数据根据预设的脑图谱模板进行脑区分割， 并提 取分割后的每 个脑区的血 氧水平依赖平均时间信号； 在预处理后的所述静息态功能磁共振数据的基础上对每个脑区进行影像学指标的特 征提取； 根据预设的检验算法对所述病人组与所述正常组进行统计分析， 筛选掉两组比较 中显 著度小于预设的显著差异阈值和/或相似度大于预设的相似度阈值的特征， 然后根据LASSO 回归进行交叉验证， 保留系数非零的特 征， 得到筛选后的有意 义特征； 根据预设的机器学习算法构建多种分类器模型， 并将所述有意义特征按照所述病人组 与所述正常组的样本拆分为训练集与验证集； 将所述训练集分别输入到每种分类器模型中进行预设轮次的训练， 然后将所述验证集 输入到训练完成后的每种分类 器模型中， 得到最优分类结果； 根据所述最优分类结果按照影像学指标的特征对所述分类器模型的贡献度进行排序 和/或根据预设计算方式计算得到脑区的权重大小对每个脑区在分类中的重要性进行排 序。 2.如权利要求1所述的静息态功能磁共振影像数据分类方法， 其特征在于， 在所述设置 病人组及与其对应的正常组步骤中， 包括： 设置两个及两个以上的样本中心， 每个样本中心均包括病人组及与其对照的正常组； 将样本量较大的样本中心的样本数据拆分为训练集与验证集， 将样本量较小的样本中心的 样本数据作为测试集。 3.如权利要求1所述的静息态功能磁共振影像数据分类方法， 其特征在于， 在对所述静 息态功能磁共 振数据进行信噪比提高的预处 理分析步骤中， 包括以下步骤： S101， 将原 始数据的DICOM格式转换为 NIFIT格式； S102， 去除前n个时间点； 其中， n 为预设的大于等于1的正整数； S103， 进行时间校正； S104， 对根据预设的多个头动参数及其对应的一阶导数进行头动校正； S105， 将空间标准 化到蒙特利尔标准空间； S106， 进行空间平 滑处理； S107， 进行去 线性漂移处 理； S108， 进行去除协变量处 理； S109， 进行低频 滤波处理。 4.如权利要求1所述的静息态功能磁共振影像数据分类方法， 其特征在于， 在根据 预设 的检验算法对所述病人组与所述正常组进 行统计分析， 筛选掉两组比较中显著度小于预设 的显著差异阈值和/或相似度大于预设的相似度阈值的特征， 然后根据LASSO回归进 行交叉 验证， 保留系数非零的特 征， 得到筛选后的有意 义特征步骤中， 包括； 利用非参数t检验或Mann –Whitney U检验， 剔除掉所述病人组与所述正常组之间显著权　利　要　求　书 1/3 页 2 CN 115457334 A 2度小于预设的显著差异阈值的特 征； 对所述病人组与所述正常组的特征进行pair ‑wise成对相关， 剔除掉相关r的绝对值大 于预设的r阈值的特 征； 通过LASSO回归方法进行十折或者五折交叉验证， 在训练分类模型中， 保留系数非零的 特征， 最终得到 筛选后的有意 义特征。 5.如权利要求1所述的静息态功能磁共振影像数据分类方法， 其特征在于， 所述影像学 指标包括低频振幅、 低频振幅分数、 局部一致性、 波动幅度百分比、 静息态功能连接、 度中心 性与镜像同伦功能连接中的一种或多种。 6.如权利要求5所述的静息态功能磁共振影像数据分类方法， 其特征在于， 在所述根据 所述最优分类结果按照影像学指标的特征对所述分类器模型的贡献度进 行排序和/或根据 预设计算方式计算得到脑区的权重大小对每个脑区在分类中的重要性进 行排序步骤中， 包 括： 采用Relief算法根据目标特征与每个特征和类别的相关性， 通过预设的特征权重公式 赋予所述目标特征对应的权重， 然后对 所有特征的权重进行排序； 其中， 所述特征权重公式 如下： Wi＝Wi‑(xi‑Hi)2+(xi‑Mi)2， H为最近的同类别实例， M为 最近的不同类别实例。 7.如权利要求6所述的静息态 功能磁共 振影像数据分类方法， 其特 征在于， 还 包括： 根据每个脑区的不同影像学指标的特征权重的总和来计算每个脑区权重Fi， 然后根据 所述脑区权 重对所有脑区进行重要性 排序； 其中， Fi的计算公式如下： 8.一种静息态 功能磁共 振影像数据分类系统， 其特 征在于， 包括： 数据预处理模块， 用于采集病人组与正常组中每个人的静息态功能磁共振数据， 并对 所述静息态 功能磁共 振数据进行信噪比提高的预处 理分析； 脑区分割 模块， 用于对预处理后的所述静息态功能磁共振数据根据预设的脑图谱模板 进行脑区分割， 并提取分割后的每 个脑区的血 氧水平依赖平均时间信号； 特征提取模块， 用于在预处理后的所述静息态功能磁共振数据的基础上对每个脑区进 行影像学指标的特 征提取； 特征筛选模块， 用于根据预设的检验算法对所述病人组与所述正常组进行统计分析， 筛选掉两组比较中显著度小于预设的显著差异阈值和/或相似度大于预设的相似度阈值的 特征， 然后根据LAS SO回归进行交叉验证， 保留系数非零的特 征， 得到筛选后的有意 义特征； 模型构建模块， 用于根据预设的机器学习算法构建多种分类器模型， 并将所述有意义 特征按照所述病人组与所述 正常组的样本拆分为训练集与验证集； 机器学习模块， 用于将所述训练集分别输入到每种分类器模型中进行预设轮次的训 练， 然后将所述验证集输入到训练完成后的每种分类 器模型中， 得到最优分类结果； 权重排序模块， 用于根据所述最优分类结果按照影像学指标的特征对所述分类器模型 的贡献度进行排序和/或根据预设计算方式计算得到脑区的权重大小对每个脑区在分类中 的重要性进行排序。权　利　要　求　书 2/3 页 3 CN 115457334 A 3