[发明专利]一种基于脑影像融合特征的癫痫灶定位方法

摘要

本发明公开了一种基于脑影像融合特征的癫痫灶定位方法，包括：采集患者的结构MRI、PET、CT、EEG、MEG多模态脑影像数据，并配准到同一空间；进行结构MRI脑区分割，再分割PET、功能MRI；计算局部和全局融合特征向量，进而形成融合特征；构建用于癫痫灶定位的分类器。本发明联合脑结构、功能和代谢等多模态脑影像信息，结合全局、局部等多水平脑影像信息，再通过构建上述信息的融合特征，利用机器学习方法实现癫痫灶的客观、快速、精准定位。本发明的数据采集流程更为快速和方便，可提高癫痫灶定位精度，且可以解决在一种模态下无法定位癫痫灶和多种模态提示癫痫灶位置矛盾难以定位癫痫灶的问题，能为医生诊断提供有效帮助。

主权项

1.一种基于脑影像融合特征的癫痫灶定位方法，其特征在于，包括以下步骤：1)采集患者的结构MRI、PET、EEG、MEG多模态脑影像数据，并配准到同一空间；2)进行结构MRI脑区分割，再按照其分割结果分割PET、功能MRI；3)基于结构MRI构建真实几何头模型，并基于此使用EEG/MEG源成像方法实现EEG/MEG源成像，并取各脑区源成像的均值为量化分析值，得出EEG/MEG的局部特征向量，并基于格兰杰因果计算脑功能网络，得出EEG/MEG的全局特征向量，从而得到EEG/MEG的局部和全局融合特征向量；4)基于结构MRI，对每个脑区进行灰质、白质和脑脊液体积、皮层厚度、及表面积特征提取与特征向量构建，联合不同脑区的特征向量，得出所有脑区的结构MRI局部特征向量，并基于皮尔森相关系数构建脑结构网络，得出结构MRI的全局特征向量，从而得到结构MRI的局部和全局融合特征向量；5)基于功能MRI，提取出每个脑区内所有体素的事件序列并平均，联合不同脑区的特征向量，得出所有脑区的功能MRI局部特征向量，并基于皮尔森相关系数构建脑功能网络，得出功能MRI的全局特征向量，从而得到功能MRI的局部和全局融合特征向量；6)基于PET，读取每个脑区的标准摄取值，联合各脑区的标准摄取值得均值为量化分析值，得出PET的局部特征向量，并基于此构建脑代谢网络，得出PET的全局特征向量，从而得到PET的局部和全局融合特征向量；7)选取EEG/MEG、结构MRI、功能MRI和PET的局部和全局融合特征向量中的一个，或是选取其中的多个进行融合，形成融合特征，再进行降维，同时联合医生标记好的对应患者的癫痫灶的位置一起作为机器学习方法或者分类方法的输入，构建用于癫痫灶定位的分类器。