基于磁共振影像的脑疾病个体化预测方法和系统

摘要

本发明公开了一种基于磁共振影像的脑疾病个体化预测方法和系统。其中，该方法包括步骤1：获取精神疾病病人脑磁共振影像；步骤2：对病人脑磁共振影像进行去噪和降维处理；步骤3：利用ReliefF算法，进行特征选择；步骤4：使用空间聚类分析方法自适应地得到空间脑区；步骤5：利用基于相关的特征选择算法，去除冗余特征，得到最优特征子集；步骤6：基于最优特征子集，进行多元线性回归分析，识别出潜在的生物标志。本发明实施例综合了多种机器学习方法，可以快速、便捷地基于多种不同模态类型的影像数据,实现对精神疾病的兴趣特征,如临床指标等进行定量化、个体化地精准预测，有利于理解疾病的脑结构和功能异常与潜在的发病机制。