功能性磁共振图像的聚类方法

摘要

该发明属于生物信息技术中的功能性磁共振图像的聚类方法，包括对原始fMRI图像进行预处理，分区仿射聚类，获取新的图像及确定对应的偏向参数，获取全部偏向参数所对应的聚类结果，确定最优聚类结果，获取最终聚类后的fMRI图像。该发明由于将分级聚类与仿射聚类和自适应仿射聚类有机结合、对图像进行综合处理，克服传统聚类方法受人的主观因素影响和对个人经验的依赖性大，以及无法对数据量大的图像进行有效聚类处理等缺陷；有效解决了对最优聚类结果的的客观选择问题。因而，本发明具有对大数据量图像的处理能力强，并有效提高了fMRI图像处理过程中的客观性和对最优聚类结果选择的准确性等特点。

主权项

一种功能性磁共振图像的聚类方法，包括：A.对原始fMRI图像进行预处理：首先对输入的fMRI图像进行空间位移的校正，并利用高通滤波器将呼吸、心跳类生理活动引起的低频噪声滤掉，再将校正后的图像进行标准化处理，然后对标准化处理后的图像利用高斯核进行空间平滑处理；B.分区仿射聚类：首先按照常规的大脑分区模板进行分区，再根据所得到的各个分区图像子集，利用各个体素之间的相关系数作为相似度矩阵中的元素，并取矩阵的中值作为偏向参数，然后利用传统仿射聚类方法对各个分区的图像子集进行聚类，得到每个分区对应的聚类结果；C.获取新的图像及确定对应的偏向参数：将由B步骤得到的分区聚类结果，利用分级聚类的处理方法，将每个分区中同类的数据作为一个聚合体素，并按照空间分布重新组合，得到新的图像，对新的图像再利用各个聚合体素之间的相关系数作为相似度矩阵中的元素、取矩阵的中值作为偏向参数；D.获取全部偏向参数所对应的聚类结果：首先对由C步骤分区聚类后形成的图像及其偏向参数按传统仿射聚类方法重新聚类，得到本步骤第一次聚类结果；然后再将C步骤分区聚类后形成的图像用按设定步幅减小后的偏向参数值对其进行重新聚类，得到第二次聚类结果；如此反复利用按步幅依次递减后的偏向参数重新聚类、直至类别数为2止，并保存所得全部聚类结果，转步骤E；E.确定最优聚类结果：将步骤D所得聚类结果按Silhouette指标评定，其中最小Silhouette值所对应的聚类结果即为最优聚类结果；F.获取聚类后的fMRI图像：将步骤E所得的最优聚类结果，投射回原始fMRI图像中，即得到最终聚类后的fMRI图像。