买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开了一种基于荟萃分析的脑疾病判断系统，包括：重要种子点确定模块，用于采用文献荟萃分析法确定与指定脑疾病相关的重要种子点；大脑损伤环路建立模块，用于对同一重要种子点对应的大脑簇并集采用MKDA算法估计收敛域；所有收敛域的并集构成大脑损伤环路；聚类模块，用于对大脑损伤环路中的体素进行聚类；低维特征空间构建模块，用于根据每个被试的功能连接信息，通过降维构建低维特征空间；测试者低维特征向量获取模块，用于根据测试者功能连接信息获取低维特征向量；分类器，用于根据测试者低维特征向量判断是否有指定脑疾病。该系统能够克服小样本和全脑数据驱动的机器学习模型鲁棒性和泛化性较差的缺陷，对指定脑疾病进行判断。

主权项：1.基于荟萃分析的脑疾病判断系统，其特征在于，包括：重要种子点确定模块1，用于采用文献荟萃分析法确定与指定脑疾病相关的重要种子点，以及每个重要种子点对应的大脑簇及大脑簇中体素的坐标点；将所有坐标点转换到统一的坐标系下；所述重要种子点为文献荟萃分析法检索到的文献列表中，至少N个文献报告的种子点；大脑损伤环路建立模块2，用于对同一重要种子点对应的大脑簇并集采用MKDA算法估计收敛域；所有重要种子点对应的收敛域的并集构成大脑损伤环路；聚类模块3，用于对大脑损伤环路中的体素进行聚类，得到多个体素社团；低维特征空间构建模块4，用于根据每个被试每个体素社团的功能连接信息，采用PCA算法降维构建低维特征空间；测试者低维特征向量获取模块5，用于根据测试者每个体素社团的功能连接信息获取低维特征向量；分类器6，用于根据测试者低维特征向量判断是否有指定脑疾病；所述分类器由每个被试的低维特征向量和对应的类别标签所构成的训练集训练；所述类别标签为二值变量，表示是否有指定脑疾病；所述重要种子点确定模块1采用文献荟萃分析法确定与指定脑疾病相关的重要种子点的步骤为：S1.1、设置检索条件，在生物医学数据库中检索与指定脑疾病相关的文献；所述检索条件为同时满足如下C1-C3三个条件：C1、基于静息态功能磁共振数据；C2、统计比较的两组分别为：患有指定脑疾病的患者和健康对照组；C3、计算的指标为基于种子点的全脑功能连接；S1.2、选择S1.1检索的文献中具有显著性结果的文献构成检索文献列表；S1.3、统计检索文献列表中报告的种子点和对应的大脑簇，至少有N个文献报告的种子点为重要种子点；所述聚类模块3根据如下步骤对大脑损伤环路中的体素进行聚类：S3.1、构建大脑损伤环路的相似性矩阵：大脑损伤环路的相似性矩阵G为P×P方阵，其中第m行n列元素gm,n为大脑损伤环路中体素σm与体素σn之间的欧氏距离；m,n∈{1,2,…,P}，P为大脑损伤环路中体素的总数；S3.2、根据相似性矩阵构建大脑损伤环路的邻接矩阵；对相似性矩阵G进行二值化，得到二值化矩阵G′，G′为P×P方阵，其中第m行n列元素g′m,n为： 其中ξ为预设的欧氏距离阈值；G′即为大脑损伤环路的邻接矩阵；S3.3、根据邻接矩阵G′生成损伤体素网络：损伤体素网络中的节点为大脑损伤环路中的体素，如果g′m,n＝1，则体素σm与体素σn之间有直连边；否则，体素σm与体素σn之间不直连；S3.4、对损伤体素网络进行聚类，得到多个体素社团；所述低维特征空间构建模块4构建低维特征空间的步骤为：S4.1、提取每个被试每个体素社团的功能连接信息，拼接为该被试的第一功能连接特征，所有被试的第一功能连接特征构成第一功能连接特征矩阵；对于第h个被试，其在第i个体素社团的功能连接信息为： 其中Ni为第i个体素社团中体素的数量，为第h个被试的体素j与体素j对应的种子点的功能连接；第h个被试的第一功能连接特征为Xh＝xh,1,…,xh,i,…,xh,IT，I为聚类模块3得到的体素社团数量，i＝1,2,…,I；第一功能连接特征的长度L为所有被试的第一功能连接特征构成L×H矩阵：X＝X1,X2,…,Xh,…,XH；其中H为被试的总数；S4.2、采用PCA算法对第一功能连接特征矩阵X进行降维，得到L×L′维的低维特征空间ΦL×L′，L′＜L。

全文数据：

权利要求：

百度查询： 东南大学 基于荟萃分析的脑疾病判断系统和判断装置