(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111502748.8 (22)申请日 2021.12.10 (71)申请人 河北工业大 学 地址 300130 天津市红桥区丁字沽光 荣道8 号河北工业大 学东院330# (72)发明人 郝小可　肖云佳　王晓芳　师硕　 郭迎春　朱叶　阎刚　于洋　于明　 (74)专利代理 机构 天津翰林知识产权代理事务 所(普通合伙) 12210 代理人 付长杰 (51)Int.Cl. G06N 20/00(2019.01) G06F 17/18(2006.01) (54)发明名称 引导式多模态影像遗传学数据特征分析方 法 (57)摘要 本发明引导式多模态影像遗传学数据特征 分析方法， 同时考虑样本的多模态影像数据分析 以及基因影像典型相关分析。 采用权重分解方法 将权重分为模态一致性权重和模态特异性权重， 模态一致性权重表示模态之间共有的信息， 模态 特异性权重表 示单个模态独有的信息。 此外采用 样本的标签这一先验信息， 利用回归分析引导多 模态影像数据的特征学习， 同时利用机器学习中 多任务学习框架将多模态数据与基因数据的典 型相关分析作为多个学习任务， 利用多任务学习 所包含的有用信息帮助每个任务得到更准确的 学习器并且找到任务之间的差别和联系。 本发明 公开的方法能够有效地进行特征选择和影像遗 传学数据相关性分析。 权利要求书6页 说明书14页 附图1页 CN 114202075 A 2022.03.18 CN 114202075 A 1.一种引导式多模态影像遗传学数据特征分析方法， 其特征在于， 该特征分析方法包 括以下内容： 获取某类脑疾病样本多模态影像和基因预处理后的数据， 将基因数据与单个模态脑影 像数据组成一个任务， 共有C个模态影 像， 即有C个任务； 将模态影像权重分解为关于同一脑区的多模态脑影像数据一致性的特征权重矩阵B和 关于同一脑区的多模态 脑影像数据特异性的特 征权重矩阵W； 特征选择目标函数为公式(1)： 公式(1)中， X∈Rn×p表示的是基因数据关系矩阵， n为样本数， p为基因数据特征数， Yc∈ Rn×q(c＝1， 2， …， C)表示的是多模态影像数据关系 矩阵， n为样本数， q为影像数据特征数， z 为样本标签， U表示的是关于基因数据的特征权重矩阵， B表示的是关于同一脑区的多模态 脑影像数据一致性的特征权重矩阵， W表示的是关于同一脑 区的多模态脑影像数据特异性 的特征权重矩阵， βu， βb， λw为调节参数； wc表示的第c个任务的所有关于影像数据的特异性 特征权重； bc表示的第c个任务的所有关于影像数据的一致性 特征权重； uc表示的第c个任务 的所有基因数据的特 征权重； 对上述目标函数进行优化 求解， 得到优化后的U、 B和W； 对获得的解中选出权重非零的权重矩阵U、 B和W所对应的特征， 进而确定病变脑区位置 和相关病变 基因， 完成引导式多模态影 像遗传学 数据特征分析。 2.根据权利要求1所述的分析 方法， 其特 征在于， 优化后的U用公式(1 1)表示： uc＝(XTX+M)‑1XTYc(bc+wc)   (11)， 优化后的B和W用公式(16)表示： 其中， 表示优化后第c个任务的所有关于影像数据的特异性特征权重， 表示优化后 第c个任务的所有关于影像数据的一致性特征权重； M是基因数据对角矩阵并且 Q是特异性对角矩阵并且 P是一致性对角矩阵 并且 wjc表示的第c个任务的第j个关于影像数据的特异性特征权重； bjc表示的第c个模态的第j个关于影像数据的一致性特征权重； uic表示的第c个任务 的第i 个基于基因数据的特 征权重。 3.根据权利要求1所述的分析方法， 其特征在于， 多模态影像数据包括基于体素的形态 测量学处理的磁共振影像、 氟脱氧葡萄糖 ‑正电子发射断层扫描影像、 F ‑18荧光淀粉样蛋 白‑正电子发射断层成像； 所述基因数据包括来自ADNI数据库的基因数据(单核苷酸多态权　利　要　求　书 1/6 页 2 CN 114202075 A 2性)和APOE 。 4.根据权利要求1所述的分析方法， 其特征在于， 公式(1)中包含6项多项式， 第一顶为 使用样本标签对整个模型进行回归分析， 这里的回归分析使用LASSO方法引导整个模型的 学习， 第二项为基因数据和多模态影像数据进行典型相关分析， 第三项至第六项为正则化 项； 下面分别求 解四组正则化项， 第三项正则化项的求 解如下： 基因数据与单个模态脑影像数据组成一个任务， 公式(2)表示的是规范多任务中同一 脑区的多模态特征的一致性信息， 其中ui表示的是典型相关分析 中C个任务的第i个基于基 因数据的特 征权重， uic表示的第c个任务的第i个 基于基因数据的特 征权重； 公式(1)中第四项正则化项的求 解如下： 公式(3)表示的是规范多任务中特异性信息； 公式(1)中第五项正则化项的求 解如下： 每一种脑影像数据为一个模态， 公式(4)表示的规范是同一脑区的多模态特征的一致 性信息； 其中bj表示的是典型相关分析多模态分析中C个模态的第j个关于影像数据的一致 性特征权重， bjc表示的第c个模态的第j个关于影 像数据的一 致性特征权重； 公式(1)中最后一项正则化项的求 解如下： 公式(5)表示的是规范多模态中特异性信息， wjc表示的第c个任务的第j个关于影像数 据的特异性特 征权重。 5.一种脑疾病的诊断方法， 其特征在于， 使用权利要求1 ‑3任一所述的分析方法进行生 物标志物的挖掘， 获得 特征向量， 对影 像数据和基因数据进行典型相关 分析。 6.一种引导式多模态影像遗传学数据特征分析方法， 其特征在于， 使用引 导式多模态 影像遗传学数据特征分析方法进 行的生物标志物的挖掘， 引导指的是用样本标签进行回归权　利　要　求　书 2/6 页 3 CN 114202075 A 3