本发明专利技术涉及医学信息提取技术领域，尤其涉及一种用于精神分裂症病历Spark模型的图像特征选择方法。该方法包括以下步骤：获取多个受试者的脑部磁共振图像数据以及静息态功能磁共振成像数据；利用预设的分层脑区模板对脑部磁共振图像数据对各受试者的大脑图像进行多尺度分层分割，得到包含局部、区域和全局三个层级的脑区定位数据；对静息态功能磁共振成像数据进行在Spark分布式环境下的自适应层级降噪处理，得到去噪后的脑功能时间序列数据。本发明专利技术利用预设的分层脑区模板将脑部磁共振图像数据精确划分为局部、区域和全局三个层级，从而兼顾脑区的局部结构细节与全局网络特性，实现多尺度信息的有效整合。
【技术实现步骤摘要】
本专利技术涉及医学信息提取，尤其涉及一种用于精神分裂症病历spark模型的图像特征选择方法。
技术介绍
1、精神分裂症是一种复杂的、病因未明的严重精神障碍，主要表现为感知觉、思维、情感和行为等多方面的障碍，以及精神活动的不协调。spark mllib提供了多种特征选择方法，适用于图像特征选择的场景，如filter方法基于特征与目标变量之间的统计关系来选择特征、wrapper方法通过训练模型来评估特征的重要性等。在用于精神分裂症病历的spark模型中，图像特征选择是一个关键步骤，可以帮助提高模型的准确性和效率。在精神分裂症的研究中，医学图像（如ct、mri等）提供了重要的脑形态学和功能信息。通过选择与精神分裂症相关的特征，可以更好地理解疾病的病理机制，并提高诊断和治疗效果。
2、但传统的用于精神分裂症病历spark模型的图像特征选择方法往往存在以下问题：现有spark mllib的特征选择方法（如卡方检验、信息增益）在处理医学影像时较为局限，难以精准选择最具生物学意义的特征。fmri数据固有的低信噪比和多层次、复杂的脑区结构使得传统降噪方法和单一尺度分析往往难以同时兼顾局部细节和全局网络的准确提取，导致分析结果不稳定、可靠性较低。
技术实现思路
1、基于此，本专利技术有必要提供一种用于精神分裂症病历spark模型的图像特征选择方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种用于精神分裂症病历spark模型的图像特征选择方法，包括以下步骤：
<
p>3、步骤s1：获取多个受试者的脑部磁共振图像数据以及静息态功能磁共振成像数据；4、步骤s2：利用预设的分层脑区模板对脑部磁共振图像数据对各受试者的大脑图像进行多尺度分层分割，得到包含局部、区域和全局三个层级的脑区定位数据，其中多尺度分层分割具体包括局部层级为皮层下结构分割、区域层级为通过计算脑区间的结构连接概率和空间邻接关系进行基于解剖连接的功能分区分割、全局层级为基于静息态网络的层级组织分析的大尺度脑网络分割；
5、步骤s3：对静息态功能磁共振成像数据进行在spark分布式环境下的自适应层级降噪处理，得到去噪后的脑功能时间序列数据；
6、步骤s4：根据脑区定位数据以及脑功能时间序列数据构建层级递进的功能连接计算框架，在各层级内部和层级之间分别计算功能连接强度，并进行基于突触可塑性原理的层级间的连接权重动态调整，得到脑功能网络特征数据；
7、步骤s5：对脑功能网络特征数据进行基于fisher得分的层级特征重要性评估，并根据预获取的精神分裂症先验知识设置层级自适应阈值进行特征筛选，得到精神分裂症特征集。
8、优选地，步骤s1包括以下步骤：
9、步骤s11：利用3t磁共振成像设备对多个受试者的脑部进行t1加权磁共振扫描，从而得到脑部磁共振图像数据，其中脑部磁共振图像数据的成像对比度具体由t1弛豫时间确定；
10、步骤s12：利用7t超导磁共振成像设备对多个受试者在静息态下的脑部进行基于梯度回波序列的血氧水平依赖对比度采集，从而得到血氧水平依赖对比度数据；
11、步骤s13：对血氧水平依赖对比度数据进行神经元活动导致的局部血流变化分析，从而得到静息态功能磁共振成像数据。
12、优选地，步骤s2包括以下步骤：
13、步骤s21：对脑部磁共振图像数据进行图像分辨率自适应标准化处理，通过基于b样条插值的体素尺寸重采样，从而得到空间分辨率为1毫米等方体素的标准化图像数据；
14、步骤s22：根据预设的分层脑区模板对标准化图像数据进行皮层下结构分割，并进行脑区定位处理，从而得到局部层级的皮层下结构定位数据；
15、步骤s23：根据局部层级的皮层下结构定位数据通过计算脑区间的结构连接概率和空间邻接关系进行基于解剖连接的功能分区聚类，从而得到区域层级的功能分区数据；
16、步骤s24：根据功能分区数据以及静息态功能磁共振成像数据对大脑皮层进行基于静息态网络的层级组织分析，从而得到全局层级的大尺度脑网络数据，其中层级组织分析具体为计算功能分区间的时间序列相关性和空间连续性；
17、步骤s25：对皮层下结构定位数据、功能分区数据以及大尺度脑网络数据进行层级整合，建立层级间的对应关系矩阵，从而得到脑区定位数据。
18、本专利技术通过一系列精细化处理，实现了脑部磁共振图像数据的标准化和多层级脑区定位，为后续分析提供了高质量的基础数据。首先，对图像数据进行分辨率标准化，统一到1毫米等方体素格式，消除了设备和扫描参数带来的差异，为后续分析提供了统一框架。接着，利用分层脑区模板进行皮层下结构分割和定位，精准识别出丘脑、杏仁核等重要结构，为理解疾病变化提供局部层级信息。基于此，通过计算结构连接概率和空间邻接关系进行功能分区聚类，得到区域层级的功能分区数据，反映大脑的结构功能关系。进一步结合静息态功能磁共振成像数据，分析功能分区间的时间序列相关性和空间连续性，得到全局层级的大尺度脑网络数据，揭示大脑功能网络的整体架构。最后，将局部、区域和全局层级的数据进行整合，建立层级间对应关系矩阵，形成多层次、多维度的脑区定位体系，为后续功能连接分析和特征筛选提供全面、高质量的输入数据，确保研究方法的科学性和有效性。
19、优选地，步骤s22包括以下步骤：
20、步骤s221：根据标准化图像数据通过计算三维图像的空间梯度幅值与方向进行边缘增强处理，从而得到皮层下结构的边界增强数据；
21、步骤s222：根据边界增强数据进行局部区域的灰度分布特性分析并设置动态阈值，并进行分割，从而得到皮层下结构的初步分割掩模数据；
22、步骤s223：利用形态学操作对初步分割掩模数据进行形态优化，从而得到连续完整的皮层下结构掩模数据，其中形态优化具体为通过设计三维形态学算子序列处理孔洞以及边界不连续；
23、步骤s224：根据皮层下结构掩模数据进行连通域分析并标记不同的皮层下结构，从而得到局部层级的精细皮层下结构定位数据。
24、优选地，步骤s23包括以下步骤：
25、步骤s231：对局部层级的皮层下结构定位数据进行连接纤维束追踪，并进行皮层下结构之间的白质纤维连接分析，从而得到结构连接概率图谱；
26、步骤s232：根据结构连接概率图谱进行基于空间距离度量的脑区间的空间邻接关系计算，从而得到脑区空间关系数据；
27、步骤s233：对结构连接概率图谱和脑区空间关系数据进行基于结构连接关系以及空间邻接关系的加权融合，从而得到综合关系矩阵；
28、步骤s234：利用谱聚类算法对综合关系矩阵进行分区，从而得到区域层级的功能分区数据。
29、优选地，步骤s25包括以下步骤：
30、步骤s251：对皮层下结构定位数据进行各结构的空间位置、体积和形状特征提取，并进行特征向量构建，从而得到局部层级特征矩本文档来自技高网
...
【技术保护点】
1.一种用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求3所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S22包括以下步骤：
5.根据权利要求4所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S23包括以下步骤：
6.根据权利要求5所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S25包括以下步骤：
7.根据权利要求6所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S3包括以下步骤：
8.根据权利要求7所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S4包括以下步骤：
9.根据权利要求8所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S45包括以下步骤：
10.根据权利要求9所述的用于精神分裂症病历Spark模型的图像特征选择方法，其特征在于，步骤S5包括以下步骤：
...
【技术特征摘要】
1.一种用于精神分裂症病历spark模型的图像特征选择方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于精神分裂症病历spark模型的图像特征选择方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的用于精神分裂症病历spark模型的图像特征选择方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的用于精神分裂症病历spark模型的图像特征选择方法，其特征在于，步骤s22包括以下步骤：
5.根据权利要求4所述的用于精神分裂症病历spark模型的图像特征选择方法，其特征在于，步骤s23包括以下步骤：
6.根...
【专利技术属性】
技术研发人员：仝太山，叶智存，王喆，唐小伟，
申请(专利权)人：江南大学附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。