一種基于非負(fù)矩陣分解的惡性膠質(zhì)母細(xì)胞瘤組織分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)學(xué)信號處理技術(shù)領(lǐng)域，設(shè)及一種基于非負(fù)矩陣分解的惡性膠質(zhì)母細(xì) 胞瘤組織分類方法。
【背景技術(shù)】
[0002] 膠質(zhì)細(xì)胞瘤（即神經(jīng)膠質(zhì)細(xì)胞瘤）是中樞神經(jīng)系統(tǒng)中最常見的原發(fā)性神經(jīng)系統(tǒng)腫 瘤。膠質(zhì)細(xì)胞瘤在神經(jīng)系統(tǒng)腫瘤中所占比例約為33%，在惡性腫瘤中的比例約為80%。其 中，I級和II級膠質(zhì)細(xì)胞瘤為良性腫瘤，良性膠質(zhì)細(xì)胞瘤患者可W存活很多年。III級和IV 級膠質(zhì)細(xì)胞瘤為惡性腫瘤。惡性膠質(zhì)母細(xì)胞瘤（glioblastoma, GBM)是最高級別的膠質(zhì)細(xì) 胞瘤，其預(yù)后性極差、異質(zhì)性程度很高，并且具有很強的彌漫浸潤性，該些特性使得GBM的 診斷和預(yù)后變得非常困難。
[000引核磁共振（Nuclear Ma即etic Resonance, NMR)技術(shù)是目前最常用的腦腫 瘤診斷手段，常常被用于腦腫瘤的初步診斷。核磁共振譜成像（Magnetic Resonance Spectroscopy Imaging, MRSI)技術(shù)在腦腫瘤的分類方面有著顯著的優(yōu)勢。MRSI通過人 體的化學(xué)成分提供人體組織生物化學(xué)的空間信息，并且通過疾病情況下代謝物濃度的變 化，可W區(qū)分正常及腫瘤組織。對MRSI數(shù)據(jù)的處理需要用到盲信號分離炬lind Source S巧aration，BS巧技術(shù)，BSS算法的主要思想是將矩陣近似地分解為兩個矩陣和的乘積。非 負(fù)矩陣分解（Non-negative Matrix F'actorization, NMF)是BSS算法中的一類，強制限定 和因子為非負(fù)，用NMF對MRSI數(shù)據(jù)進(jìn)行處理可W得到理想的處理結(jié)果。
[0004] 2004年，P. Sajda等人提出了約束非負(fù)矩陣分解算法（constrained NMF，cNMF)， 該是首次采用NMF來解決long-TE MRSI數(shù)據(jù)的組織分類問題。cNMF算法可W有效地提取 出具有重要物理意義的譜源，但該算法強調(diào)的是區(qū)分正常組織與非正常組織，卻無法在非 正常組織中準(zhǔn)確識別GBM組織。
[0005] 李雨謙等人提出分層非負(fù)矩陣分解算法（hierarchical, hNMF)，首先使用一次 NMF方法將正常組織與非正常組織分開，然后通過設(shè)定合適的口限值在非正常組織中再次 應(yīng)用NMF，從而識別出GBM組織。在第二級NMF前的口限選擇上，該hNMF算法中在計算口限 值時只是沿著腫瘤縮小的方向進(jìn)行，而沿著腫瘤縮小方向得到的口限值與沿著腫瘤擴(kuò)大得 到的口限值是不同的。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服上述技術(shù)存在的缺陷，提供一種基于非負(fù)矩陣分解的惡性 膠質(zhì)母細(xì)胞瘤組織分類方法，通過圖像處理技術(shù)分析核磁共振譜成像數(shù)據(jù)，進(jìn)而完成對腦 膠質(zhì)細(xì)胞瘤的組織分類。本發(fā)明通過對病人的MRSI數(shù)據(jù)進(jìn)行兩次NMF分解，從而將膠質(zhì)細(xì) 胞瘤的=種組織類型（正常、腫瘤、壞死）進(jìn)行識別和分類。首先對MRSI數(shù)據(jù)進(jìn)行波源數(shù) 為2的NMF分解，得到正常組織和非正常組織對應(yīng)的波源和空間分布h-map。然后確定最 佳掩膜并在掩膜上再次進(jìn)行波源數(shù)為2的NMF分解，得到腫瘤組織和壞死組織對應(yīng)的波源。 最后用NNLS估計出=個波源所對應(yīng)的空間分布h-map。其具體技術(shù)方案為：
[0007] 一種基于非負(fù)矩陣分解的惡性膠質(zhì)母細(xì)胞瘤組織分類方法，包括W下步驟：
[0008] 第一步；第一級NMF ;在VOI (Volume of Interest,感興趣區(qū)）區(qū)域內(nèi)所有體素的 波譜構(gòu)成的矩陣X上應(yīng)用NMF，并令波源數(shù)量為2 ;波譜的初始值選用仿真的正常、腫瘤及 壞死組織分別對應(yīng)的波譜；h-map的初始值為隨機(jī)量；得到兩個波源及其相應(yīng)的空間分布 山""及^^。?！?。1;比較兩波譜的歴4/1198的比值，歴4/1198比值較大的波譜代表正常組織， 較小的為波譜代表非正常組織；
[0009] 第二步；第二級NMF ;由山。。""1確定非正常組織范圍，H abMtmd的數(shù)值范圍為 出;設(shè)定ti、t2兩個參數(shù)，其中ti由小至IJ大取值，t2由大至IJ小取值，取值范圍均為 出min, HmJ ;構(gòu)造掩膜函數(shù)f a)，對應(yīng)不同的t值，HabMtmal中超過t值的數(shù)值對應(yīng)的體素即代 表非正常組織，在由非正常組織波譜組成的矩陣上再次應(yīng)用NMF算法，并令波源數(shù)目為2， 波譜的初始值選用仿真的正常、腫瘤及壞死組織分別對應(yīng)的波譜；h-map的初始值為隨機(jī) 量；由此得到兩種波源啊",。"，,。,(〇與Ki。,口限值的選取法則；
[0010] f (t) = corrl (t)+corr2 (t)+corr3 (t)
[0011] corr、(t) = corr(W,mn,,。;
[001 引 corr2(t) = corr(Wn0m,u,，W;l,0n"w(t))
[0013] c仍t3(〇 =廈奶6。。,,,,。/ 腳昭
[0014] 最佳口限值的選取規(guī)則如下：
[00巧]t = arg min (f (ti), f 扣））
[0016] 得到最佳口限值下的喊,,。,,,,。/(/)與取。;,,。。。。/(〇后，計算Cho/Lips的比值，Cho/Lips 比值較小的波譜對應(yīng)為壞死組織即另一個對應(yīng)為腫瘤組織即
[0017] 第立步：NNLS估計；由得到的；個波源胖。。"。1，及在第一步中VOI區(qū) 域上應(yīng)用非負(fù)最小二乘，得到S個波源對應(yīng)的準(zhǔn)確的空間分布h-map。
[001引優(yōu)選地，第一步中，NAA與Lips的值分別為2. Olppm及1.化pm附近區(qū)域的最大強 度值。
[0019] 優(yōu)選地，第二步中，化0與Lips的值分別為3. 22ppm及1.化pm附近區(qū)域的最大強 度值。
[0020] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：
[0021] 相比于現(xiàn)有技術(shù)的缺點和不足，本發(fā)明具有W下有益效果：
[0022] 1、采用口限最優(yōu)化方法，能夠準(zhǔn)確分解出=種組織所對應(yīng)的具有代表性波譜W及 其對應(yīng)的空間分布。
[0023] 2、從口限值擴(kuò)大和縮小兩個方向求解最優(yōu)口限值，能夠更加準(zhǔn)確確定最佳掩膜 值，避免因單方向所得掩膜不是最佳掩膜的問題。
【附圖說明】
[0024] 圖1為本發(fā)明方法的流程圖。
【具體實施方式】
[0025] 為了使本發(fā)明實現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié) 合附圖和具體實例進(jìn)一步闡述本發(fā)明。
[0026] 參照圖1，一種基于非負(fù)矩陣分解的惡性膠質(zhì)母細(xì)胞瘤組織分類方法，包括W下步 驟：
[0027] S1;第一級 NMF 分解。
[0028] 在VOI區(qū)域內(nèi)所有體素的波譜構(gòu)成的矩陣X上應(yīng)用NMF，方法采用A. Cichocki 在文獻(xiàn)《Hierarchical ALS Algorithms for nonnegative matrix and 3D tensor 化ctorization》中所述方法，并令波源數(shù)量為2,迭代分解初值選用仿真數(shù)據(jù)中正常、腫瘤 組織所對應(yīng)的參考波