科创中国

本发明属于医学图像辅助诊断技术领域，尤其涉及一种基于弥散张量成像技术的疾病诊断辅助系统及方法。所述基于弥散张量成像技术的疾病诊断辅助系统包括图像预处理模块、专家知识库模块、张量学习模块和诊断结果输出模块；所述图像预处理模块用于弥散张量图像的采集、弥散张量图像重配准以及弥散张量图像特征提取；所述专家知识库模块用于建立大脑和脊髓相关疾病的专家知识库；所述张量学习模块用于利用专家知识库和张量学习算法对弥散张量图像进行张量分类模型训练以及张量分类模型优化和测试；所述诊断结果输出模块用于输出诊断结果。本发明充分挖掘图像的原有信息，提高模式分类精度，极大地降低计算量，并有效地保整了疾病诊断的实时性。

一种基于弥散张量成像技术的疾病诊断辅助系统，其特征在于：包括图像预处理模块、专家知识库模块、张量学习模块和诊断结果输出模块；所述图像预处理模块用于弥散张量图像的采集、弥散张量图像重配准以及弥散张量图像特征提取；所述专家知识库模块用于建立大脑和脊髓相关疾病的专家知识库；所述张量学习模块用于利用专家知识库和张量学习算法对弥散张量图像进行张量分类模型训练以及张量分类模型优化和测试；所述诊断结果输出模块用于输出诊断结果。

弥散张量成像(Diffusion Tensor Imaging，DTI)技术是当今唯一无创伤的白质 神经纤维束活体成像方法，是核磁共振成像(MRI)的特殊形式。不同于核磁共振成像是追踪 水分子中的氢原子，弥散张量成像是依据水分子移动方向制图。弥散张量成像图可以揭示 脑瘤如何影响神经细胞连接，引导医疗人员进行大脑手术。它还可以揭示同中风、多发性硬 化症、精神分裂症、阅读障碍等有关大脑和脊髓的细微反常变化。弥散张量成像数据本质上 是二阶张量结构，它的每一个体素包含了水分子在白质神经纤维束内弥散的三维空间信 >营、。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明实施例的基于弥散张量成像技术的疾病诊断辅助系统及方法针对弥散张 量图像中方向信息比灰度信息更敏感的特点，提出二重度量配准方法;其次，提出一种多线 性核主成分分析方法实现弥散张量图像的特征提取和降维;最后，针对向量模式学习算法 在处理张量结构数据方面的局限性，结合分类器的结构风险最小化原理和现有的张量模式 学习算法，并基于最优投影矢量准则，提出基于最优投影支持张量机，实现基于张量模式算 法和弥散张量图像的疾病诊断实时识别，可以在不破坏原始数据结构的前提下，充分挖掘 图像的原有信息，提高模式分类精度，可以极大地降低计算量和计算成本，并有效地保整了 疾病诊断的实时性。本发明可用于在星形细胞瘤间变型、精神脱髓鞘性病变、中枢神经系统 发育异常、精神分裂症、抑郁症、脊髓型颈椎病等与脑和脊髓相关联的疾病分析和预测方 面，同时本发明也可以用于正常人的大脑和脊髓相关疾病的预防和健康护理方面。

技术合作

本发明实施例的基于弥散张量成像技术的疾病诊断辅助系统及方法针对弥散张 量图像中方向信息比灰度信息更敏感的特点，提出二重度量配准方法;其次，提出一种多线 性核主成分分析方法实现弥散张量图像的特征提取和降维;最后，针对向量模式学习算法 在处理张量结构数据方面的局限性，结合分类器的结构风险最小化原理和现有的张量模式 学习算法，并基于最优投影矢量准则，提出基于最优投影支持张量机，实现基于张量模式算 法和弥散张量图像的疾病诊断实时识别，可以在不破坏原始数据结构的前提下，充分挖掘 图像的原有信息，提高模式分类精度，可以极大地降低计算量和计算成本，并有效地保整了 疾病诊断的实时性。本发明可用于在星形细胞瘤间变型、精神脱髓鞘性病变、中枢神经系统 发育异常、精神分裂症、抑郁症、脊髓型颈椎病等与脑和脊髓相关联的疾病分析和预测方 面，同时本发明也可以用于正常人的大脑和脊髓相关疾病的预防和健康护理方面。

[0051 ]以上所述仅为本发明的较佳实施例而己，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。