反正则判别为正常。
[0082] 3. 4)运用线性（Linear)判别函数，对各指标均值与标准差数据进行判别分析，具 体包括：
[0083] 3.4. 1)根据步骤3. 2)_3. 3)得出的指标差异性结论，将每组有显著性差异的 指标均值数据作为一个属性，并将按特定规律组合的数据作为新的综合指标（如组合 MD \ GFAIA LSOI D );
[0084] 3. 4. 2)以步骤3. 4. 1)得出的综合指标为判别标准，并选取被试者对应的指标数 据作为样本，调用线性判别函数，获取各组的协方差矩阵的估计，最终将被试者分配到两个 类别之一，即为预测判别被试者的患病结果。
[0085] 本实施例中，为验证本早期帕金森预测分析方法的准确性与可靠性，选取37组帕 金森症患者与正常人脑区数据进行指标差异性分析实验；本方法运用基于HARDI技术的中 脑黑质区域各指标的计算与综合分析方法，得出帕金森症患者与正常人脑纤维差异，综合 出一种早期帕金森症的患病预测的分析方法，可在将来运用于病症的临床诊断预测与病理 研宄。
【主权项】
1. 一种用于早期帕金森症预测的综合分析方法，其特征在于：所述综合分析方法包括 以下步骤： 步骤S1，读取扩散加权磁共振数据DW-MRI，并对全部数据进行降噪、平滑预处理，运用 扩散张量成像及高角度分辨率扩散成像技术进行建模成像及纤维跟踪，获取体素纤维方向 信息，并计算得到6种脑纤维差异分析指标数据，包括各向异性分数FA、平均弥散系数MD、 均方位移MSD、广义各向异性分数GFA、GFApeak及体素平均密度5 ; 步骤S2,提取并标记特定脑部区域体素信息，所述特定脑部区域为中脑，根据设定各向 异性分数FA的阈值，选取连续区域为中脑黑质区域，然后筛选提取感兴趣区域内的各指标 数据； 步骤S3,根据步骤S2中得到的6种差异分析指标，运用SPSS分析工具进行综合分析， 得出被试者与正常人中脑黑质区域的纤维差异性结果，从而预测被试者的患病情况，过程 如下： 3. 1)运用SPSS对各组指标中错误数据及异常数据进行预处理，具体步骤包括： 首先，将被试者数据与已知正常人数据分为2类，另设变量w作为组别标记，其值包括 自然数1表示被试组、2表示控制组； 其次，对控制组由SPSS标出异常个案，进行剔除；对被试组采用SPSS统计离散值，将数 据进行筛选并剔除错误值；筛选后的缺失数据用均值填充； 最后，分别计算各指标每组数据的均值、标准差，并进行0-1标准化处理； 3. 2)分别对单个指标均值、标准差进行单因素方差分析： 以步骤3. 1)得出的组别标记变量w作为自变量，被试组、控制组各指标均值及标准差 数据作为各因变量，运用SPSS对单因素试验结果进行分析，以P = 0. 05为显著性水平，通 过对多个样本均值的显著性检验，分析获得各指标在被试组与控制组间的显著差异结果，P < 0. 05表示数据存在显著性差异（即初步预测被试者患病），反之预测被试者未患病。2. 如权利要求1所述的一种用于早期帕金森症预测的综合分析方法，其特征在于：所 述步骤S3还包括如下步骤： 3. 3)根据各指标数据计算反应数据内在含义的综合指标，并进行组合分析，具体步骤 如下： 3. 3. 1)将被试组各均值、标准差数据进行1-2标准化处理，即将步骤3. 1)获取的0-1 标准化数据结果加1，转换到1-2区间； 3. 3. 2)设定参数a e (〇, 1)，将a与各指标均值、标准差S进行线性或非线性组合， 得到各指标对应新指标数据f(x, y): f (x, y) = ax+(l-a)y 其中X，y分别为?7, S的线性或非线性运算变换，此处取X = ln(t7), y = In(S); 3. 3. 3)分别对3. 3. 2)计算得出的各指标f(x，y)进行方差分析，计算使各指标同时满 足显著差异的相应阈值范围a ;若存在满足上述条件的a，则表明被试者与正常人脑纤维存 在显著差异，反正则判别为正常。3.如权利要求2所述的一种用于早期帕金森症预测的综合分析方法，其特征在于：所 述步骤S3还包括如下步骤： 3. 4)运用线性判别函数Linear，对各指标均值与标准差数据进行判别分析，过程包 括： 3. 4. 1)根据步骤3. 2)-3. 3)得出的指标差异性结论，将每组有显著性差异的指标均值 数据作为一个属性，并将按设定规律组合的数据作为新的综合指标； 3.4.2)以步骤3. 4.1)得出的综合指标为判别标准，并选取被试者对应的指标数据作 为样本，调用线性判别函数，获取各组的协方差矩阵的估计，最终将被试者分配到两个类别 之一，即为预测判别被试者的患病结果。4. 如权利要求1~3之一所述的一种用于早期帕金森症预测的综合分析方法，其特征 在于：所述步骤Sl中，运用DTI及HARDI方法进行纤维重构及纤维方向分布估计，并在此基 础上获取6项差异分析指标，各指标计算方法包括以下步骤： I. 1)通过扩散张量成像（DTI)建模，获取组织在三个轴方向的平均扩散度，即二阶张 量扩散特征值的平均值λ i，λ 2, λ 3，最终算得FA、MD指标数据：1. 2)与步骤I. I) FA计算方法类似，通过扩散信号的Funk-Radon变换（FRI)并归一化， 重构测量扩散方向分布函数（ODF)，然后估计每个体素内的潜在纤维方向概率分布，从而计 算出指标GFA，计算公式如下：其中尹=('47〇_1>[@间也，1//0)是感兴趣扩散方向6的一个(^值，^7是(^的平均值， GFA表不纤维各向异性分数的均值，GFApeak表不纤维各向异性峰值； 1.3)通过HARDI的流线性纤维跟踪，获取三维体素体积信息，并以纤维体素为单位，计 算得穿过某区域单位体积纤维数，即纤维疏密程度衡量指标，体素平均密度5，计算公式如 下.其中，η表示穿过ROI内的纤维总数，V表示该区域内体素的总体积； 1. 4)在建模及贝叶斯概率跟踪基础上，通过获取分子运动的参数估计，计算归一化球 面采样信号的分子扩散位移对扩散时间的积分变换，从而获取三维体素内单个分子运动的 平均距离，即为MSD指标，用于后续帕金森症ROI内微观分子运动距离的差异性分析，具体 计算公式如下：其中，i = 1，...，m，m表示分子数量力⑴-:^⑶为分子i在一定时间间隔长度t的 矢量距离；该向量的平方是多个时间间隔的均值。5. 如权利要求1~3之一所述的一种用于早期帕金森症预测的综合分析方法，其特征 在于：所述步骤S2中，筛选提取精确中脑黑质区域指标数据，具体步骤如下： 首先，运用slicer软件提取中脑区域LABEL ; 再将步骤SI中获取的指标矩阵形式数据通过成像分析，结果显示ROI内FA值均在小 于0. 5范围内，根据此特性确定精确中脑黑质区域； 然后根据设定FA的阈值选取连续区域，从而获取精确ROI内各指标数据。
【专利摘要】一种用于早期帕金森症预测的综合分析方法，包括以下步骤：步骤S1，读取扩散加权磁共振数据DW-MRI，并对全部数据进行降噪、平滑预处理，运用扩散张量成像及高角度分辨率扩散成像技术进行建模成像及纤维跟踪，获取体素纤维方向信息，并计算得到6种脑纤维差异分析指标数据；步骤S2，提取并标记特定脑部区域体素信息，根据设定各向异性分数FA的阈值，选取连续区域为中脑黑质区域，然后筛选提取感兴趣区域内的各指标数据；步骤S3，根据步骤S2中得到的6种差异分析指标，运用SPSS分析工具进行综合分析，得出被试者与正常人中脑黑质区域的纤维差异性结果，从而预测被试者的患病情况。本发明高分辨率、准确可靠。
【IPC分类】G06T7/00
【公开号】CN104899884
【申请号】CN201510298754
【发明人】詹佳雯, 冯远静, 吴烨, 周思琪, 龚一隆, 毛文涛, 周侠, 叶峰, 梁朝凯, 李小薪, 梁荣华
【申请人】浙江工业大学
【公开日】2015年9月9日
【申请日】2015年6月3日