一种神经指纹提取分类方法及系统技术方案

本发明专利技术提供了一种神经指纹提取分类方法，包括依次执行如下步骤：图像获取步骤、脑结构标注步骤、神经指纹提取步骤。本发明专利技术的有益效果是：本发明专利技术对不同序列的磁共振图像进行信息挖掘，通过建立统一的结构标注和定位形成对各脑区的统一指纹提取和建立的方法，从而构建全面的神经指纹系统，建立不同性别、不同年龄阶段的神经指纹标准库，从而可以对待测目标进行脑健康的评估，疾病的分类分型以及疾病的预测。神经指纹标准库的建立可以对待测对象进行脑发育、脑衰老、神经疾病、精神疾病进行可量化的评估和分类，可以形成天赋评估、优势评估、衰老评估、康复评估、辅助诊断、疾病预测等技术。为人类人才的优势培养、脑保健、脑疾病的诊断和预防奠定标准化技术基础。

A classification method and system for neural fingerprint extraction

The invention provides a neural fingerprint extraction classification method, including the following steps: the image acquisition step, the brain structure labeling step, and the neural fingerprint extraction procedure. The beneficial effect of the invention is that the invention makes information mining of the magnetic resonance images of different sequences, and forms a unified fingerprint extraction and establishment method by establishing unified structural annotation and positioning, so as to construct a comprehensive neural fingerprint system and establish a neural fingerprint standard for different sex and different age stages. The database can be used to evaluate the target's brain health, classify the disease and predict the disease. The establishment of the standard library of neural fingerprints can be used to evaluate and classify the subjects for brain development, brain senescence, neural disease and mental illness. It can form the techniques of talent assessment, superiority assessment, senescence assessment, rehabilitation assessment, auxiliary diagnosis, and disease prediction. It lays a standard technical foundation for the training of human talents, brain health care, diagnosis and prevention of brain diseases.

【技术实现步骤摘要】
一种神经指纹提取分类方法及系统
本专利技术涉及医疗领域的图像处理技术和人工智能识别技术，尤其涉及一种神经指纹提取分类方法及系统。
技术介绍
磁共振成像是一种常用的医学断层成像方法，它利用磁共振现象从人体中获得电磁信号，并重建出人体信息。这种技术利用核磁共振原理，依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。人体三分之二的重量为水分，而且人体内器官和组织中的水分并不相同，很多疾病的病理过程会导致水分形态的变化，即可由磁共振图像反应出来，但目前医生对脑神经磁共振图像的应用主要是根据影像所反映的脑结构的病变进行主观判别与分类。现有磁共振脑影像的阅片及分类完全依赖于医生视觉观察，在经验的基础上进行主观的判断，对病灶的发现过度依赖经验，缺乏可量化的标准。此外，医生在写阅片报告时的主观性也比较强，缺乏统一的量化标准和话术体系，对电子病历标准化和大数据挖掘造成了瓶颈。
技术实现思路
本专利技术提供了一种神经指纹提取分类方法，包括依次执行如下步骤：图像获取步骤：选取若干健康人和若干不同脑神经疾病患者作为对象，利用磁共振成像技术获取对象的磁共振图像；脑结构标注步骤：针对目标图像，在已有的脑图谱数据库中进行图谱预选，通过图谱预选算法筛选与目标图像匹配度最高的5～25套脑图谱，作为分析目标图像的参考标准；针对结构图像序列的图像进行基于多脑图谱对目标图像的分割，将上述预选出来的脑图谱分别配准到目标图像，在对多个脑图谱所形成的分割边界进行融合，最后生成目标图像的分割结果，并将分割脑区的结果融合于原图像；神经指纹提取步骤：将不同序列的磁共振图像配准到已标注和定位的结构图像，同时结合不同序列图像之间的对应变化关系筛选出各序列对应的特征脑区，再分别对每个序列的特征脑区的多维信息进行挖掘，分析并提取出与特定脑状态(脑发育、脑衰老、神经疾病、精神疾病的亚类、亚型)的生理特性最相关的多维特征。作为本专利技术的进一步改进，该神经指纹提取分类方法还包括：建立神经指纹库步骤：基于大量的图像样本及其病例信息，利用人工智能的方法对不同性别、年龄以及疾病所对应的神经指纹进行分类，再进行人工的鉴别与确认，最后形成不同人群的神经指纹库，该神经指纹库将随着样本量的增加而不断扩张，建立对未知图像神经指纹识别的标准库基础。作为本专利技术的进一步改进，该神经指纹提取分类方法还包括：神经指纹识别步骤：根据神经指纹的构成建立相似性测度算法，针对待测目标首先执行脑结构标注步骤和神经指纹提取步骤，从而提取神经指纹，再与神经指纹库进行比对，以相似度最高的指纹类别作为对该待测目标的识别结果。作为本专利技术的进一步改进，在所述图像获取步骤与所述脑结构标注步骤之间还包括：图像预处理步骤：针对图像获取步骤获取的磁共振图像，选定一个标准大脑模板，对每一个对象，对其相同层面的多序列扫描图像进行配准，之后对其进行图像标准化操作以实现不同个体间的图像横向对比。作为本专利技术的进一步改进，在所述图像预处理步骤中，首先采用基于脑图谱的全脑自动分割算法对三维磁共振数据进行处理，获得全脑标注和定位的结果，之后运用配准算法将其他模态脑图像与已标注的结构图像进行配准，将分割结果映射到不同模态磁共振图像中。作为本专利技术的进一步改进，在所述图像获取步骤中，采集每个受试者的磁共振多模态图像，包括但不仅限于T1、T2、DTI、ASL、MRS等。。作为本专利技术的进一步改进，在所述神经指纹提取步骤中，对于不同模态的MRI数据，基于临床研究成果选取与疾病相关的脑区，提取各序列特征脑区的神经指纹特征，包括体积、信号强度、连接强度、网络有效性等量化参数及三维形态学特征，为各脑区建立特征参数向量，结合脑区关系网络构建个体脑影像特征，即神经指纹。本专利技术还提供了一种神经指纹提取分类系统，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现本专利技术所述的方法的步骤。本专利技术还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现本专利技术所述的方法的步骤。本专利技术的有益效果是：本专利技术对不同模态的磁共振图像进行信息挖掘，通过建立统一的结构标注和定位形成对各脑区的统一指纹提取和建立的方法，从而构建全面的神经指纹系统，建立不同性别、不同年龄阶段的神经指纹标准库，从而可以对待测目标进行脑健康的评估以及疾病的预测。神经指纹标准库的建立可以对待测对象进行脑发育、脑衰老、神经疾病、健康疾病进行可量化的评估和分类，可以形成天赋评估、优势评估、衰老评估、康复评估、辅助诊断、疾病预测等技术。为人类人才的优势培养、脑保健、脑疾病的诊断和预防奠定标准化技术基础。附图说明图1是多序列磁共振图像脑结构标注及三维重建示意图。图2是对各模态标注脑结构的信息挖掘示意图。图3是神经指纹示意图。图4是融合特征筛选示意图(以两类人群为例)。图5是技术方案流程图。图6是多脑图谱脑影像分割算法流程图。具体实施方式本专利技术的技术方案中首先是基于磁共振影像神经指纹的数据提取，神经指纹的提取主要基于(不仅限于)磁共振结构像(T1/T2)、弥散张量成像(DTI)、功能成像(fMRI)、血管成像(MRA)、灌注成像(DCE/ASL)、波谱成像(MRS)等医学影像数据，这些成像方法从结构、脑白质弥散特性、脑神经活跃特性、脑血循环、微循环以及代谢等多方面反映脑神经的性状，通过一系列图像处理、信号建模的算法将图像中的相关神经信息提取后，进行数据融合，形成与神经性状一一对应的特征集合。其次是脑图谱数据库的建立，该脑图谱数据库包括若干不同年龄段健康人和若干不同年龄段不同脑神经精神疾病患者的高精度磁共振多序列扫描图像，以及这些图像高精度分割结果。单个脑图谱的定义为，带有标注信息的单个对象的单序列成像结果。利用磁共振成像技术获取人群的磁共振图像，所指的磁共振图像包括所有磁共振的序列所能产生的图像以及这些序列产生图像的任意组合，在所指的任意序列图像的组合中，单序列T1或T2或DTI图像是所允许的最小图像集合。其次是神经指纹的生成，神经指纹是对人脑在施加一组磁共振扫描条件下生成的图像参数的不同特征的定义，由此可以根据不同的神经指纹对神经组织，特别是特定病灶的类型进行区分。由于脑神经病灶区域在特定的磁共振图像中会呈现出异常的高信号或低信号，所以对于不同神经疾病病例，可以根据病灶的异常信号，用自动分割方法实现精确定位，再根据定位识别具体的脑区，由此衍生出可以表征脑白质神经连接网络、脑功能连接网络、脑血管连接网络及其血管特性、脑血流及微循环等特性的特征参数，对待测对象进行全面量化，实现对人脑磁共振影像的参数化和标准化。本专利技术所定义的神经指纹是一个脑图像深度信息挖掘的特征集合体，该特征集合体中的每个元素代表目标神经组织在特定磁共振参数图中所对应的归一化图像信号，该特征集合体的实质是大脑特定生理状态所对应的磁共振多模态影像特征及特征之间的关系网络。最后是神经指纹的识别与分类。由于从不同神经组织提取出的神经指纹具有一定的模式差异，我们需要利用合适的模式识别方法对神经指纹进行有效分类。为此需要建立神经指纹库作为模本文档来自技高网...

【技术保护点】
1.一种神经指纹提取分类方法，其特征在于，包括依次执行如下步骤：图像获取步骤：选取若干健康人和若干不同脑神经疾病患者作为对象，利用磁共振成像技术获取对象的磁共振图像；脑结构标注步骤：针对目标图像，在已有的脑图谱数据库中进行图谱预选，通过图谱预选算法筛选与目标图像匹配度最高的5～25套脑图谱，作为分析目标图像的参考标准；针对结构图像序列的图像进行基于多脑图谱对目标图像的分割，将上述预选出来的脑图谱分别配准到目标图像，在对多个脑图谱所形成的分割标签进行融合，最后生成目标图像的分割结果；神经指纹提取步骤：将不同序列的磁共振图像配准到已标注和定位的结构图像，同时结合不同序列图像之间的对应变化关系筛选出各序列对应的特征脑区，再分别对每个序列的特征脑区的多维信息进行挖掘，分析并提取出与特定脑状态，包括脑发育、脑衰老、神经疾病、精神疾病的亚类、亚型的生理特性最相关的多维特征，即大脑特定生理状态所对应的磁共振多模态影像特征及特征之间的关系网络。

【技术特征摘要】
1.一种神经指纹提取分类方法，其特征在于，包括依次执行如下步骤：图像获取步骤：选取若干健康人和若干不同脑神经疾病患者作为对象，利用磁共振成像技术获取对象的磁共振图像；脑结构标注步骤：针对目标图像，在已有的脑图谱数据库中进行图谱预选，通过图谱预选算法筛选与目标图像匹配度最高的5～25套脑图谱，作为分析目标图像的参考标准；针对结构图像序列的图像进行基于多脑图谱对目标图像的分割，将上述预选出来的脑图谱分别配准到目标图像，在对多个脑图谱所形成的分割标签进行融合，最后生成目标图像的分割结果；神经指纹提取步骤：将不同序列的磁共振图像配准到已标注和定位的结构图像，同时结合不同序列图像之间的对应变化关系筛选出各序列对应的特征脑区，再分别对每个序列的特征脑区的多维信息进行挖掘，分析并提取出与特定脑状态，包括脑发育、脑衰老、神经疾病、精神疾病的亚类、亚型的生理特性最相关的多维特征，即大脑特定生理状态所对应的磁共振多模态影像特征及特征之间的关系网络。2.根据权利要求1所述的神经指纹提取分类方法，其特征在于，该神经指纹提取分类方法还包括：建立神经指纹库步骤：基于大量的图像样本及其病例信息，利用人工智能的方法对不同性别、年龄以及疾病所对应的神经指纹进行分类，再进行人工的鉴别与确认，最后形成不同人群的神经指纹库，该神经指纹库将随着样本量的增加而不断扩张，建立对未知图像神经指纹识别的标准库基础。3.根据权利要求1所述的神经指纹提取分类方法，其特征在于，该神经指纹提取分类方法还包括：神经指纹识别步骤：根据神经指纹的构成建立相似性测度算法，针对待测目标首先执行脑结构标注步骤和神经指纹提取步骤，从而提取神经指纹，再与神经指纹库进行比对，以相似度最...

【专利技术属性】
技术研发人员：马婷，
申请(专利权)人：迈格生命科技深圳有限公司，
类型：发明
国别省市：广东,44