基于腦磁共振影像中磷酸化tau蛋白含量信息的檢測系統的制作方法
【技術領域】
[0001]本發明涉及到醫學圖像處理技術，具體地說，是一種基于腦磁共振影像中磷酸化tau蛋白含量信息的檢測系統。
【背景技術】
[0002]磷酸化tau蛋白是診斷阿爾茨海默病的重要指標之一，現有技術中通常利用PET掃描成像，通過計算PET圖像中磷酸化tau蛋白沉積區域所對應的像素的總數來作為磷酸化tau含量。
[0003]但其存在的缺陷是:PET掃描成像成本高，而且需要預先給病人注射放射性試劑，具有一定的輻射作用，容易給病人帶來一定的心理壓力。
【發明內容】
[0004]針對現有技術的不足，本發明的目的是提供一種基于腦磁共振影像中磷酸化tau蛋白含量信息的檢測系統，該系統主要結合圖像處理技術和智能識別算法，利用腦磁共振影像中的圖像特征信息來實現磷酸化tau蛋白含量的檢測，避免使用PET掃描所帶來的不良影響。
[0005]為達到上述目的，本發明所采用的具體技術方案如下:
[0006]一種基于腦磁共振影像中磷酸化tau蛋白含量信息的檢測系統，其關鍵在于:設置有MRI圖像采集裝置、圖像預處理裝置、特征提取裝置以及參數反演裝置；
[0007]所述圖像預處理裝置中依次設置有濾波去噪裝置、圖像配準裝置、頭骨剝離裝置和組織分割裝置；
[0008]所述濾波去噪裝置用于實現MRI圖像的去噪處理；
[0009]所述圖像配準裝置用于實現待測圖像頭部位置的調整；
[0010]所述頭骨剝離裝置用于去除圖像中的腦外組織；
[0011]所述組織分割裝置用于將圖像中的腦組織圖像分割為腦新皮層、白質、灰質、丘腦和海馬體五個解剖結構；
[0012]所述特征提取裝置用于提取最優特征子集；
[0013]所述參數反演裝置用于將所述最優特征子集反演出磷酸化tau蛋白含量；該參數反演裝置中固化有訓練好的SVM(support vector machine，支持向量機)模型，所述SVM模型是通過選擇多個訓練樣本圖像的多個特征參數，并以每個樣本圖像對應PET圖像的磷酸化tau蛋白含量為評價標準，最終訓練出的最優特征子集與磷酸化tau蛋白含量的映射關系O
[0014]作為進一步描述，所述參數反演裝置中設置有訓練樣本圖像獲取裝置、訓練樣本圖像預處理裝置、訓練樣本圖像特征提取裝置、訓練樣本特征選擇裝置、測試樣本圖像獲取裝置、測試樣本圖像預處理裝置、測試樣本圖像特征提取裝置以及分類器構建裝置；
[0015]所述訓練樣本圖像獲取裝置用于獲取訓練樣本MRI圖像和該MRI圖像對應的PET圖像，并通過PET圖像計算磷酸化tau蛋白含量作為分類器的評價標準；
[0016]所述訓練樣本圖像預處理裝置與所述圖像預處理裝置的結構和功能相同；
[0017]所述訓練樣本圖像特征提取裝置用于提取SVM模型所需的多個特征參數；
[0018]所述訓練樣本特征選擇裝置用于實現多個特征參數的選擇；
[0019]所述測試樣本圖像獲取裝置用于獲取測試樣本MRI圖像和該MRI圖像對應的PET圖像，并通過PET圖像計算磷酸化tau蛋白含量作為分類器的評價標準；
[0020]所述測試樣本圖像預處理裝置與所述圖像預處理裝置的結構和功能相同；
[0021]所述測試樣本圖像特征提取裝置用于提取訓練樣本特征選擇裝置所選擇出的特征參數；
[0022]所述分類器構建裝置用于構建特征參數與磷酸化tau蛋白含量的反演關系，該分類器的核函數采用徑向基函數，當所述測試樣本的識別率達到預設目標時，最終訓練出的最優特征子集與磷酸化tau蛋白含量的映射關系。
[0023]再進一步描述，所述訓練樣本圖像特征提取裝置所提取的多個特征參數包括每個解剖結構的體積、灰度分布的不均勻性、灰度平均、灰度均方差、灰度熵、信息熵、幾何矩、對比度、差分矩、自相關、梯度分布的不均勻性、梯度、梯度平均、梯度均方差、梯度熵、逆差矩、平均彌散率和各向異性分數值。
[0024]作為優選，所述訓練樣本圖像特征提取裝置采用離散二進制PSO算法進行特征選擇。
[0025]本發明的顯著效果是:
[0026]本發明通過智能遺傳算法對SVM模型進行訓練，從而得到最優特征子集與磷酸化tau蛋白含量的映射關系，將訓練好的SVM模型固化到參數反演裝置中，從而構建出本發明所提出的基于腦磁共振影像中磷酸化tau蛋白含量信息的檢測系統，該系統可僅通過腦磁共振圖像中的特征信息就可以定量判定出磷酸化tau蛋白含量，具有無創、無輻射、安全、自動化程度高等優點。
【附圖說明】
[0027]圖1是本發明的系統原理框圖。
【具體實施方式】
[0028]下面結合附圖對本發明的【具體實施方式】以及工作原理作進一步詳細說明。
[0029]如圖1所示，一種基于腦磁共振影像中磷酸化tau蛋白含量信息的檢測系統，設置有MRI圖像采集裝置、圖像預處理裝置、特征提取裝置以及參數反演裝置；
[0030]所述圖像預處理裝置中依次設置有濾波去噪裝置、圖像配準裝置、頭骨剝離裝置和組織分割裝置；
[0031]所述濾波去噪裝置用于實現MRI圖像的去噪處理；
[0032]所述圖像配準裝置用于實現待測圖像頭部位置的調整；
[0033]具體實施時可以采用基于屬性向量的彈性配準(Hierarchical AttributeMatching Mechanism for Elastic Registrat1n，HAMMER)算法對圖像樣本進行彈性配準，采用互信息值和相關系數作為彈性配準滿意的評價準則。
[0034]所述頭骨剝離裝置用于去除圖像中的腦外組織；
[0035]由于腦MRI圖像中腦新皮層、白質、灰質、丘腦、海馬體中明顯存在磷酸化tau蛋白，亮度較暗，且體積和紋理有變化，因此組織分割裝置用于將圖像中的腦組織圖像分割為腦新皮層、白質、灰質、丘腦和海馬體五個解剖結構，具體實施時可以采用ITK程序包(Insight Segmentat1n and Registrat1n Toolkit)對以上解剖結構進行分割。
[0036]所述特征提取裝置用于提取最優特征子集；
[0037]所述參數反演裝置用于將所述最優特征子集反演出磷酸化tau蛋白含量；該參數反演裝置中固化有訓練好的SVM模型，所述SVM模型是通過選擇多個訓練樣本圖像的多個特征參數，并以每個樣本圖像對應PET圖像的磷酸化tau蛋白含量為評價標準，最終訓練出的最優特征子集與磷酸化tau蛋白含量的映射關系。
[0038]在具體實施過程中，所述參數反演裝置中設置有訓練樣本圖像獲取裝置、訓練樣本圖像預處理裝置、訓練樣本圖像特征提取裝置、訓練樣本特征選擇裝置、測試樣本圖像獲取裝置、測試樣本圖像預處理裝置、測試樣本圖像特征提取裝置以及分類器構建裝置；
[0039]所述訓練樣本圖像獲取裝置用于獲取訓練樣本MRI圖像和該MRI圖像對應的PET圖像，并通過PET圖像計算磷酸化tau蛋白含量作為分類器的評價標準；
[0040]所述訓練樣本圖像預處理裝置與所述圖像預處理裝置的結構和功能相同；
[0041]所述訓練樣本圖像特征提取裝置用于提取SVM模型所需的多個特征參數；
[0042]所述訓練樣本特征選擇裝置用于實現多個特征參數的選擇；
[0043]所述測試樣本圖像獲取裝置用于獲取測試樣本MRI圖像和該MRI圖像對應的PET圖像，并通過PET圖像計算磷酸化tau蛋白含量作為分類器的評價標準；
[0044]所述測試樣本圖像預處理裝置與所述圖像預處理裝置的結構和功能相同；
[0045]所述測試樣本圖像特征提取裝