一种基于非负矩阵分解的恶性胶质母细胞瘤组织分类方法
【技术领域】
[0001] 本发明属于医学信号处理技术领域，设及一种基于非负矩阵分解的恶性胶质母细 胞瘤组织分类方法。
【背景技术】
[0002] 胶质细胞瘤（即神经胶质细胞瘤）是中枢神经系统中最常见的原发性神经系统肿 瘤。胶质细胞瘤在神经系统肿瘤中所占比例约为33%，在恶性肿瘤中的比例约为80%。其 中，I级和II级胶质细胞瘤为良性肿瘤，良性胶质细胞瘤患者可W存活很多年。III级和IV 级胶质细胞瘤为恶性肿瘤。恶性胶质母细胞瘤（glioblastoma, GBM)是最高级别的胶质细 胞瘤，其预后性极差、异质性程度很高，并且具有很强的弥漫浸润性，该些特性使得GBM的 诊断和预后变得非常困难。
[000引核磁共振（Nuclear Ma即etic Resonance, NMR)技术是目前最常用的脑肿 瘤诊断手段，常常被用于脑肿瘤的初步诊断。核磁共振谱成像（Magnetic Resonance Spectroscopy Imaging, MRSI)技术在脑肿瘤的分类方面有着显著的优势。MRSI通过人 体的化学成分提供人体组织生物化学的空间信息，并且通过疾病情况下代谢物浓度的变 化，可W区分正常及肿瘤组织。对MRSI数据的处理需要用到盲信号分离炬lind Source S巧aration，BS巧技术，BSS算法的主要思想是将矩阵近似地分解为两个矩阵和的乘积。非 负矩阵分解（Non-negative Matrix F'actorization, NMF)是BSS算法中的一类，强制限定 和因子为非负，用NMF对MRSI数据进行处理可W得到理想的处理结果。
[0004] 2004年，P. Sajda等人提出了约束非负矩阵分解算法（constrained NMF，cNMF)， 该是首次采用NMF来解决long-TE MRSI数据的组织分类问题。cNMF算法可W有效地提取 出具有重要物理意义的谱源，但该算法强调的是区分正常组织与非正常组织，却无法在非 正常组织中准确识别GBM组织。
[0005] 李雨谦等人提出分层非负矩阵分解算法（hierarchical, hNMF)，首先使用一次 NMF方法将正常组织与非正常组织分开，然后通过设定合适的口限值在非正常组织中再次 应用NMF，从而识别出GBM组织。在第二级NMF前的口限选择上，该hNMF算法中在计算口限 值时只是沿着肿瘤缩小的方向进行，而沿着肿瘤缩小方向得到的口限值与沿着肿瘤扩大得 到的口限值是不同的。
【发明内容】
[0006] 本发明的目的在于克服上述技术存在的缺陷，提供一种基于非负矩阵分解的恶性 胶质母细胞瘤组织分类方法，通过图像处理技术分析核磁共振谱成像数据，进而完成对脑 胶质细胞瘤的组织分类。本发明通过对病人的MRSI数据进行两次NMF分解，从而将胶质细 胞瘤的=种组织类型（正常、肿瘤、坏死）进行识别和分类。首先对MRSI数据进行波源数 为2的NMF分解，得到正常组织和非正常组织对应的波源和空间分布h-map。然后确定最 佳掩膜并在掩膜上再次进行波源数为2的NMF分解，得到肿瘤组织和坏死组织对应的波源。 最后用NNLS估计出=个波源所对应的空间分布h-map。其具体技术方案为：
[0007] 一种基于非负矩阵分解的恶性胶质母细胞瘤组织分类方法，包括W下步骤：
[0008] 第一步；第一级NMF ;在VOI (Volume of Interest,感兴趣区）区域内所有体素的 波谱构成的矩阵X上应用NMF，并令波源数量为2 ;波谱的初始值选用仿真的正常、肿瘤及 坏死组织分别对应的波谱；h-map的初始值为随机量；得到两个波源及其相应的空间分布 山""及^^。。》。1;比较两波谱的歴4/1198的比值，歴4/1198比值较大的波谱代表正常组织， 较小的为波谱代表非正常组织；
[0009] 第二步；第二级NMF ;由山。。""1确定非正常组织范围，H abMtmd的数值范围为 出;设定ti、t2两个参数，其中ti由小至IJ大取值，t2由大至IJ小取值，取值范围均为 出min, HmJ ;构造掩膜函数f a)，对应不同的t值，HabMtmal中超过t值的数值对应的体素即代 表非正常组织，在由非正常组织波谱组成的矩阵上再次应用NMF算法，并令波源数目为2， 波谱的初始值选用仿真的正常、肿瘤及坏死组织分别对应的波谱；h-map的初始值为随机 量；由此得到两种波源啊",。"，,。,(〇与Ki。,口限值的选取法则；
[0010] f (t) = corrl (t)+corr2 (t)+corr3 (t)
[0011] corr、(t) = corr(W,mn,,。;
[001 引 corr2(t) = corr(Wn0m,u,，W;l,0n"w(t))
[0013] c仍t3(〇 =厦奶6。。,,,,。/ 脚昭
[0014] 最佳口限值的选取规则如下：
[00巧]t = arg min (f (ti), f 扣））
[0016] 得到最佳口限值下的喊,,。,,,,。/(/)与取。;,,。。。。/(〇后，计算Cho/Lips的比值，Cho/Lips 比值较小的波谱对应为坏死组织即另一个对应为肿瘤组织即
[0017] 第立步：NNLS估计；由得到的；个波源胖。。"。1，及在第一步中VOI区 域上应用非负最小二乘，得到S个波源对应的准确的空间分布h-map。
[001引优选地，第一步中，NAA与Lips的值分别为2. Olppm及1.化pm附近区域的最大强 度值。
[0019] 优选地，第二步中，化0与Lips的值分别为3. 22ppm及1.化pm附近区域的最大强 度值。
[0020] 与现有技术相比，本发明的有益效果为：
[0021] 相比于现有技术的缺点和不足，本发明具有W下有益效果：
[0022] 1、采用口限最优化方法，能够准确分解出=种组织所对应的具有代表性波谱W及 其对应的空间分布。
[0023] 2、从口限值扩大和缩小两个方向求解最优口限值，能够更加准确确定最佳掩膜 值，避免因单方向所得掩膜不是最佳掩膜的问题。
【附图说明】
[0024] 图1为本发明方法的流程图。
【具体实施方式】
[0025] 为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结 合附图和具体实例进一步阐述本发明。
[0026] 参照图1，一种基于非负矩阵分解的恶性胶质母细胞瘤组织分类方法，包括W下步 骤：
[0027] S1;第一级 NMF 分解。
[0028] 在VOI区域内所有体素的波谱构成的矩阵X上应用NMF，方法采用A. Cichocki 在文献《Hierarchical ALS Algorithms for nonnegative matrix and 3D tensor 化ctorization》中所述方法，并令波源数量为2,迭代分解初值选用仿真数据中正常、肿瘤 组织所对应的参考波