基于网络分析的结构和功能磁共振图像联合分类方法

摘要

提供了一种基于网络分析的结构和功能磁共振图像联合分类方法。首先建立结构和功能的脑网络模型，计算脑网络的特征路径长度、集群度和网络中心性，用以表征不同的图像模式；然后利用这些网络参数来训练一个自适应提高分类器。本发明能够利用磁共振图像中尽可能多的信息，脑网络参数能够从本质上反应脑的活动，同时采用了多分类器技术，弥补了传统分类方法不能体现脑活动固有属性的不足，能够精确的对脑磁共振图像进行分类。

主权项

一种基于网络分析的结构和功能磁共振图像联合分类方法，包括：Sa：对训练样本图像和测试样本图像进行预处理，然后按照标准脑结构模板将全脑分为90个脑区，并提取功能图像各个脑区的平均时间序列和结构图像各个脑区的灰质密度；Sb：计算各个平均时间序列之间以及各个脑区的灰质密度之间的偏相关系数，分别得到偏相关系数矩阵；Sc：将所述偏相关系数矩阵二值化，得到复杂网络模型；Sd：分别计算功能网络和结构网络中各个节点的特征路径长度、集群度和网络中心性；Se：利用训练样本功能图像和结构图像的特征路径长度、集群度和网络中心性分别作为训练样本图像的特征训练自适应提高分类器，得到多个自适应提高分类器以及对应的分类正确率；步骤Sf：利用训练好的多个自适应提高分类器以投票的方式进行组合；Sg：利用训练好的自适应提高分类器对测试样本图像进行分类。