针对双相情感障碍疾病的辅助诊断装置

本发明属于基于机器学习的辅助诊断，具体涉及一种针对双相情感障碍疾病的辅助诊断装置。

背景技术：

1、双相情感障碍(bipolar disorder，bd)是一种经历情绪的亢奋期和抑郁期的精神疾病，又称情绪两极症，是现代主要精神病中发病所处年龄段最早的精神病之一，而且无法彻底治愈。与每个人都会经历的情绪起伏波动不同，bd患者的情绪起伏波动会更大，躁狂发作时，情绪会高涨，兴趣与动力增加，而抑郁发作时，情绪低落，兴趣减少并感到疲乏，可能出现自杀观念和行为，故而疾病具有高发病率、高致残率、高自杀率的特点。但到现在为止，对于双相情感障碍疾病的诊断仍然没有太好的办法。双相情感障碍患者是否确诊，是医生通过对患者和其家人的访谈来判断的。医生会将访谈的结果和疾病的诊断标准进行对比，常用的如《精神障碍诊断与统计手册》，从而判断患者是否患病以及病情的严重程度。这一过程存在相当大的主观性，而找到生理标志来进行疾病诊断是许多学者的目标。

技术实现思路

1、本发明提供了一种针对双相情感障碍疾病的辅助诊断装置，利用机器学习方法对双相情感障碍患者的多模态磁共振数据进行分析，使用机器学习对双相情感障碍进行辅助诊断，提高对双相情感障碍疾病进行诊断的准断率。

2、本发明提供的针对双相情感障碍疾病的辅助诊断装置，包括：结构像预处理单元、功能像预处理单元、结构像特征提取单元、功能像特征提取单元、特征融合单元、分类器训练单元和辅助诊断输出单元；

3、结构像图像预处理单元用于对输入的磁共振结构像进行预处理，包括：将图像按照组织结构的不同进行分割，分割出的灰质图像输出至结构像特征提取单元；

4、功能像预处理单元用于对输入的磁共振功能像进行预处理，包括：去除磁共振功能像扫描起始时的指定数量的时间点，基于机器的扫描顺序将对应的扫描层按照时间顺序进行排列，采用预置的头动校正方式进行校正处理，建立功能像和结构像空间位置的对应关系，并进行空间标准化处理，空间平滑处理、去线性漂移处理和滤波信号；并将预处理后的磁共振功能像序列输入功能像特征提取单元；

5、结构像特征提取单元，对输入的灰质图像进行尺寸调整处理，调整后的图像尺寸与预置的第一脑区分区模板的分辨率一致；将灰质图像中的灰质按照脑区分区模板进行各个脑区的提取处理，得到各个脑区的图像块；提取测量每个脑区的灰质体积，并计算任意两个脑区灰质体积之间的皮尔逊相关系数，基于预置阈值对两个脑区灰质体积之间的皮尔逊相关系数进行强弱的二分类，并将属于强皮尔逊相关系数的值赋值为1，将属于弱皮尔逊相关系数的值赋值为0，基于所有所有脑区的赋值后的皮尔逊相关系数构建的对应的邻接矩阵，将每个脑区作为一个节点，基于该邻接矩阵构建加权无向连接的脑结构网络；并基于指定的网络指标，以及全局网络属性信息提取脑结构网络的特征信息，组成结构像特征并经降维处理后输入特征融合单元；

6、功能像特征提取单元，包括脑功能网络特征提取单元、低频振幅信号特征提取单元和体素对称同伦连接性特征提取单元；

7、其中，脑功能网络特征提取单元，用于对输入的磁共振功能像序列的各图像进行尺寸调整处理，调整后的图像尺寸与预置的第二脑区分区模板的分辨率一致；并通过第二脑区分区模板对磁共振功能像序列的各图像进行脑区分区，得到每个脑区的时间序列，并采用偏相关系数计算任意两个脑区的时间序列之间相关系数，并采用指定密度阈值对脑区之间的相关系数进行二值化处理，大于或等于密度阈值则二值化为1，否则二值化为0，基于二值化后的相关系数构建脑区的邻接矩阵，将每个脑区作为一个节点，基于该邻接矩阵构建加权无向连接的脑功能网络；并基于指定的网络指标提取脑功能网络的特征信息，并将提取到的脑功能网络特征经过滤法进行特征选取，再将选取后的脑功能网络特征输入特征融合单元；

8、低频振幅信号特征提取单元，用于提取磁共振功能像序列的的低频振幅信号特征，并经过滤法进行特征选取后再输入特征融合单元；

9、体素对称同伦连接性特征提取单元，用于提取磁共振功能像序列的的体素对称同伦连接性特征，并经过滤法进行特征选取后再输入特征融合单元；

10、特征融合单元，对输入的各特征进行特征融合，得到当前对象的多模特征；若当前对象为训练对象，则将其多模特征输入至分类器训练单元；若当前对象为待辅助诊断对象，则将其多模特征输入至辅助诊断输出单元；

11、分类器训练单元，基于训练对象的多模特征构建训练数据集：基于当前训练对象是否为正常组或者疾病组的对象，设置每个训练对象的双相情感障碍的分类标签，基于一定数量的训练对象的多模特征及其分类标签，对指定的多个不同分类器进行训练，直到满足预置的训练结束条件时，将训练好的各分类输出至辅助诊断输出单元；其中，每个分类器用于输出预测的二分类结果；

12、辅助诊断输出单元，将待辅助诊断对象的多模特征分别输入至本单元的各分类器中，基于其输出得到各分类器的预测结果，采用投票法确定当前待辅助诊断对象的诊断结果并输出。

13、进一步的，脑功能网络特征提取单元在提取脑功能网络特征时，提取脑功能网络的拓扑属性特征，以及对脑区的邻接矩阵的上三角矩阵所对应的网络提取指定的网络特征，且在对脑区的邻接矩阵的上三角矩阵所对应的网络进行网络特征提取时，不包括网络的拓扑属性特征。

14、进一步的，所述结构像特征提取单元采用主成分分析法(pca)对结构像特征进行降维。

15、进一步的，分类器训练单元采用的分类器包括三类：支持向量机(svm)、随机森林(rf)和梯度增强决策树(gbdt)。

16、本发明提供的技术方案至少带来如下有益效果：

17、本发明通过结合患者磁共振结构像和功能像的多模态信息，对患者的形态学、低频振幅信号、体素对称同伦连接性信号、功能网络属性、功能网络的边等特征进行融合，充分利用已有信息来提高辅助诊断模型的准确率。同时为了解决医学图像中数据集较少而特征量较多而产生的结果过拟合现象，提出了使用pca进行特征降维和使用过滤法来进行特征选择，从而降低特征冗余量，通过使用这两种方法，都能很好的选择出具有显著差异的特征来进行分类诊断，进一步提升最终的分类准确率。

技术特征：

1.针对双相情感障碍疾病的辅助诊断装置，其特征在于，包括：结构像预处理单元、功能像预处理单元、结构像特征提取单元、功能像特征提取单元、特征融合单元、分类器训练单元和辅助诊断输出单元；

2.如权利要求1所述的针对双相情感障碍疾病的辅助诊断装置，其特征在于，脑功能网络特征提取单元在提取脑功能网络特征时，提取脑功能网络的拓扑属性特征，以及对脑区的邻接矩阵的上三角矩阵所对应的网络提取指定的网络特征，且在对脑区的邻接矩阵的上三角矩阵所对应的网络进行网络特征提取时，不包括网络的拓扑属性特征。

3.如权利要求1或2所述的针对双相情感障碍疾病的辅助诊断装置，其特征在于，所述结构像特征提取单元采用主成分分析法对结构像特征进行降维。

4.如权利要求1或2所述的针对双相情感障碍疾病的辅助诊断装置，其特征在于，分类器训练单元采用的分类器包括三类：支持向量机、随机森林和梯度增强决策树。

技术总结
本发明公开了一种针对双相情感障碍疾病的辅助诊断装置，包括：结构像预处理单元、功能像预处理单元、结构像特征提取单元、功能像特征提取单元、特征融合单元、分类器训练单元和辅助诊断输出单元。本发明通过结合患者磁共振结构像和功能像的多模态信息，对患者的形态学、低频振幅信号、体素对称同伦连接性信号、功能网络属性、功能网络的边等特征进行融合，充分利用已有信息来提高辅助诊断模型的准确率。同时为了解决医学图像中数据集较少而特征量较多而产生的结果过拟合现象，采用PCA进行特征降维和使用过滤法来进行特征选择，以降低特征冗余量，进而很好的选择出具有显著差异的特征来进行分类诊断，进一步提升辅助诊断的准确率。

技术研发人员：邢建川,张栋,陈洋,周春文,曾凤,付鱼
受保护的技术使用者：电子科技大学
技术研发日：
技术公布日：2024/4/7