基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法技术

本发明专利技术提供一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，包括：对患者的MRS数据进行采集并处理，标记海马区多体素，提取具体的多体素MRS代谢物浓度；计算所有标记的多体素的MRS代谢物浓度比值，并且分别计算出左右海马多体素MRS代谢物浓度比值的四个特征组成输入特征向量；将所有特征向量进行归一化；将获取的特征向量输入SVM函数建立SVM分类模型；输入的样本获取预测类别；通过提取的基于多体素MRS技术观察大脑海马区组织代谢数据的48维特征值用于建立针对AD患者、MCI患者、正常老年人三分类的支持向量机自动分类模型，能够通过该模型对上述三类人群的海马多体素磁共振波谱数据进行分类识别，从而快速对被试的类型进行快速分类，实用有效。

【技术实现步骤摘要】
基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法
本专利技术涉及阿尔茨海默症诊断
，尤其涉及一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法。
技术介绍
阿尔茨海默病(AD)是一种起病隐匿的进行性发展的神经系统退行性疾病。临床上以记忆障碍、失语、失用、失认、视空间技能损害、执行功能障碍以及人格和行为改变等全面性痴呆表现为特征，病因迄今未明。65岁以前发病者，称早老性痴呆；65岁以后发病者称老年性痴呆；该病可能是一组异质性疾病，在多种因素(包括生物和社会心理因素)的作用下才发病；从目前研究来看，该病的可能因素和假说多达30余种，如家族史、女性、头部外伤、低教育水平、甲状腺病、母育龄过高或过低、病毒感染等。MRS是一种无创的神经影像学技术，可用于多种神经变性疾病的活体脑组织代谢物浓度的定性及定量测定；运用多体素MRS技术观察海马组织代谢物浓度变化情况是阿尔茨海默症(AD)和轻度认知障(MCI)鉴别诊断的重要工具；MRS相比MR结构像数据不直观，其医学临床分析应用因信号处理门槛受到局限，目前尚未存在全流程分析MRS的阿尔茨海默症病预测辅助诊断工具。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，通过提取的基于多体素MRS技术观察大脑海马区组织代谢数据的48维特征值用于建立针对AD患者、MCI患者、正常老年人三分类的支持向量机自动分类模型，能够通过该模型对上述三类人群的海马多体素磁共振波谱数据进行分类识别，从而快速对被试的类型进行快速分类，实用有效。为实现上述目的，本专利技术提供一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，包括以下步骤：对患者的MRS数据进行采集并量化处理，同时标记海马区多体素，结合MR扫描的横断面图形实现多体素MRS与MRI的空间配准，提取具体的多体素MRS代谢物浓度；提取并计算所有标记的多体素的MRS代谢物浓度比值，并且分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量；将所有特征向量的特征值均归一化到[-1,1]区间；将获取的特征向量输入SVM函数中建立SVM分类模型；将患者的样本数据输入SVM分类模型从而获取预测类别。具体的：在提取具体的多体素MRS代谢物浓度的步骤中，提取的有效代谢物为N一乙酰天门冬氨酸、肌酸复合物、肌醇和磷酸肌酸。作为优选：在分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量的步骤中，分别计算出左侧海马和右侧海马的N一乙酰天门冬氨酸、肌酸复合物、肌醇和磷酸肌酸每两个代谢物浓度之间比值的平均值、最大值、最小值和方差，共组成48维特征向量。作为优选：在计算N一乙酰天门冬氨酸、肌酸复合物、肌醇和磷酸肌酸每两个代谢物浓度之间比值时，先提取出N一乙酰天门冬氨酸/肌酸复合物、肌醇/肌酸复合物、磷酸肌酸/N一乙酰天门冬氨酸的比值，再通过提取出的比值计算出磷酸肌酸/肌酸复合物、磷酸肌酸/肌醇、肌醇/N一乙酰天门冬氨酸的比值。具体的：在将获取的特征向量输入SVM函数中建立SVM分类模型的步骤中，采用1-against-1方法在AD患者、MCI患者和正常老年人三种类型的任意两类之间创建一个SVM分类模型，共计创建3个SVM分类模型。作为优选：对于一个SVM分类模型，输入向量：xi∈Rn(i＝1，2，...，l)所属类别为：yi∈{1，-1}SVM分类函数可以写成：其中K(xi，x)为核函数，αi为与每个样本对应的Lagrange乘子，b为超平面偏移量，是从αi和xi以及核函数计算出的一个值。作为优选：在输入患者的样本数据从而获取预测类别的步骤中，输入患者样本所属类别，由3个SVM分类模型各自进行分类，分类的结果出现次数最多的类别即为预测类别。具体的：在将获取的特征向量输入SVM函数中建立SVM分类模型的步骤中，对建立的SVM分类模型进行网格搜索和10折交叉验证，设置惩罚参数c和核函数参数g均为0.70711。本专利技术的有益效果是：与现有技术相比，本专利技术提供的一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，包括以下步骤：对患者的MRS数据进行采集并量化处理，同时标记海马区多体素，结合MR扫描的横断面图形实现多体素MRS与MRI的空间配准，提取具体的多体素MRS代谢物浓度；提取并计算所有标记的多体素的MRS代谢物浓度比值，并且分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量；将所有特征向量的特征值均归一化到[-1,1]区间；将获取的特征向量输入SVM函数中建立SVM分类模型；输入患者的样本数据从而获取预测类别；通过提取的基于多体素MRS技术观察大脑海马区组织代谢数据的48维特征值用于建立针对AD患者、MCI患者、正常老年人三分类的支持向量机自动分类模型，能够通过该模型对上述三类人群的海马多体素磁共振波谱数据进行分类识别，从而快速对被试的类型进行快速分类，实用有效。附图说明图1为本专利技术的方法流程图；图2为本专利技术的SVM分类模型自动分类示意图；图3为本专利技术的实际操作流程图。具体实施方式为了更清楚地表述本专利技术，下面结合附图对本专利技术作进一步地描述。现有技术中MRS相比MR结构像数据不直观，其医学临床分析应用因信号处理门槛受到局限，目前尚未存在全流程分析MRS的阿尔茨海默症病预测辅助诊断工具。为解决现医疗诊断领域的缺陷和不足，本专利技术具体的提供了一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，MRS是一种无创的神经影像学技术，可用于多种神经变性疾病的活体脑组织代谢物浓度的定性及定量测定。运用多体素MRS技术观察海马组织代谢物浓度变化情况是阿尔茨海默症(AD)和轻度认知障(MCI)鉴别诊断的重要工具，MRS相比MR结构像数据不直观，其医学临床分析应用因信号处理门槛受到局限，目前尚未存在全流程分析MRS的阿尔茨海默症病预测辅助诊断工具，故本专利技术所提供的辅助诊断方法，能够基于MRS提取的数据进行建立SVM模型，通过使用建立的模型对现有的被试对象进行分类准确率极高；请参阅图1，该方法包括以下步骤：对患者的MRS数据进行采集并量化处理，同时标记海马区多体素，结合MR扫描的横断面图形实现多体素MRS与MRI的空间配准，提取具体的多体素MRS代谢物浓度；提取并计算所有标记的多体素的MRS代谢物浓度比值，并且分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量；将所有特征向量的特征值均归一化到[-1,1]区间；将获取的特征向量输入SVM函数中建立SVM分类模型；将患者的样本数据输入SVM分类模型从而获取预测类别；在进行建立模型之前，需要对患者的MRS数据进行预本文档来自技高网...

【技术保护点】
1.一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，其特征在于，包括以下步骤：/n对患者的MRS数据进行采集并量化处理，同时标记海马区多体素，结合MR扫描的横断面图形实现多体素MRS与MRI的空间配准，提取具体的多体素MRS代谢物浓度；/n提取并计算所有标记的多体素的MRS代谢物浓度比值，并且分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量；/n将所有特征向量的特征值均归一化到[-1,1]区间；/n将获取的特征向量输入SVM函数中建立SVM分类模型；/n将患者的样本数据输入SVM分类模型从而获取预测类别。/n

【技术特征摘要】
1.一种基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，其特征在于，包括以下步骤：
对患者的MRS数据进行采集并量化处理，同时标记海马区多体素，结合MR扫描的横断面图形实现多体素MRS与MRI的空间配准，提取具体的多体素MRS代谢物浓度；
提取并计算所有标记的多体素的MRS代谢物浓度比值，并且分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量；
将所有特征向量的特征值均归一化到[-1,1]区间；
将获取的特征向量输入SVM函数中建立SVM分类模型；
将患者的样本数据输入SVM分类模型从而获取预测类别。


2.根据权利要求1所述的基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，其特征在于，在提取具体的多体素MRS代谢物浓度的步骤中，提取的有效代谢物为N一乙酰天门冬氨酸、肌酸复合物、肌醇和磷酸肌酸。


3.根据权利要求2所述的基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，其特征在于，在分别计算出左右海马多体素MRS代谢物浓度比值的平均值、最大值、最小值和方差四个特征组成输入特征向量的步骤中，分别计算出左侧海马和右侧海马的N一乙酰天门冬氨酸、肌酸复合物、肌醇和磷酸肌酸每两个代谢物浓度之间比值的平均值、最大值、最小值和方差，共组成48维特征向量。


4.根据权利要求3所述的基于核磁共振波谱的阿尔茨海默症SVM分类模型构建方法，其特征在于，在计算N一乙酰天门冬氨酸、肌酸复合物、肌醇和磷酸肌酸每两个代谢物浓度之间比值时，先提取出N一乙酰天门冬氨酸/肌酸复合物、肌醇...

【专利技术属性】
技术研发人员：孙钰，符谦益，梁嘉炜，林玄悦，
申请(专利权)人：南京伯睿生命科学研究院有限公司，
类型：发明
国别省市：江苏;32