一种基于知识库的脑功能成像诊断方法技术

本发明专利技术公开了一种基于知识库的脑功能成像诊断方法，包括以下步骤：对脑功能成像诊断问题进行知识表示，包括树状表示和构建脑功能成像诊断问题知识化信息模型；设计知识模型；建立知识库，对知识库的数据进行管理，将数据库和知识库相结合，并提取成像特征。本发明专利技术根据脑功能成像的特点，引入知识工程的知识表示理论，通过一种基于知识的树状表示法描述该问题，并在此基础上表示辅助诊断中的规则，从而形成问题的知识库，通过使用知识库、数据库和医学图像处理结合的技术，设计了一种能够利用知识工程的方法建立一个半自动化脑功能成像辅助诊断过程，为医生提供一些有参考价值的信息的脑功能成像诊断方法。

A method of brain functional imaging diagnosis based on knowledge base

The invention discloses a functional brain imaging diagnosis method based on knowledge base, which comprises the following steps: knowledge of functional brain imaging in the diagnosis, including tree representation and construction of brain functional imaging in the diagnosis of knowledge-based information model; design knowledge model; establishing knowledge base, the knowledge base data management, database and the combination of the knowledge base, and extract the imaging characteristics. According to the characteristics of brain imaging, the introduction of knowledge engineering knowledge representation theory, through a description of the problem of knowledge representation based on the tree, said the diagnosis rules and on this basis, so as to form the knowledge base, by using the knowledge base, data base and medical image processing technology combined. A design to establish 1.5 automated functional brain imaging diagnosis process by using the method of knowledge engineering, functional brain imaging diagnosis methods provide some reference information for doctors.

【技术实现步骤摘要】

本专利技术涉及一种基于知识的树状表示法技术，特别是一种基于知识库的脑功能成像诊断方法。
技术介绍
近20年来，随着现代物理、电子与计算机技术的迅速发展，脑功能成像技术（functionalbrainimaging）取得了长足的进步，一批功能强大的无创性脑功能成像手段相继诞生。这促使研究者们对脑功能成像技术及其在认知过程、情绪过程中的应用产生了浓厚的兴趣，将它们迅速应用到认知神经科学以及心理学的各个领域中，并取得了许多突破性成果，促进了这些领域研究的深入化进程。脑功能成像一种整体的，无创性的、活体检测脑功能的技术。研究者进行脑功能成像技术进行实验，最明显的目的是为了将脑的结构与其功能联系起来。我们已经知道，脑的许多功能都是定位于大脑的神经组织结构之中的；基于此，研究者们开始试图成像出那些参与到不同脑结构激活中的基本过程。现代神经成像假定，我们可以根据组成复杂心理过程的一些基本操作的结合来对其进行最好的描述，这些基本过程并不是定位于大脑中的某个单一部位的，而通常是神经元网络共同作用的结果。神经成像的这一假定自然而然地导致了人们对与基本心理过程相伴随着的脑激活的探讨。而将这些基本过程成像到大脑中的区域和功能性网络就是现代脑成像研究的主要目标。对不同脑结构的功能的详细成像可以为我们提供关于基本心理过程的可靠证据。一旦我们能够确定，特定的脑区与某一心理过程有关系，就可以超越这种结构与功能的简单对应关系，而使用统计技术（如区域间相关、因素分析、结构方程建模等）来进一步考察与复杂心理任务有关的激活环路，分析出心理任务中包含了哪些基本过程的结合。这样，通过考察激活模式，我们就能从简单到复杂，并能了解在某一模式中所激活的结构所具有的功能。此外，在脑损伤研究中，还能帮助我们推测受其影响何种脑功能会丧失。目前，脑功能成像主要包括能核磁共振成像（fMRI）、正电子发射断层成像（PET）和单光子发射断层成像(SPECT)等。这些设备产生了大量图像数据，这些数据只能用专业化的计算机软件进行分析和处理。与人工分析相比，计算机分析处理数据就有低成本，时间短，自动记录分析结果，一致性强等优点。
技术实现思路
为促进脑功能成像技术的发展和实际应用，本专利技术通过建立一个基于知识库的计算机系统模型，设计了一种能够利用知识工程的方法建立一个半自动化脑功能成像辅助诊断过程，为医生提供一些有参考价值的信息的使用了知识库、数据库和医学图像处理结合的脑功能成像诊断方法。为了实现上述目的，本专利技术的技术方案如下：一种互联网的个性化服务方法，包括以下步骤：A、对脑功能成像诊断问题进行知识表示A1、树状表示实际问题在计算机中的表示方法与问题的信息结构特征密切关联。它要对问题易于辨识、信息易于扩充和修改，并便于实现快速的信息搜索与基于知识的推理，对于某些具有层次化树状信息结构特征的实际问题，使用知识的树状表示法加以描述。根据实际问题的特点，把信息分为不同的侧面信息，每一个信息侧面还可划分不同的信息单元。这样可以把实际问题的信息归结成为一种层次化的树状结构图。子句是基本信息单元，也是问题描述树的叶节点，它包含问题的数据信息；分支节点描述的是实际问题的结构信息；边表示父节点与子节点之间的隶属关系。由此可见，树状描述的问题结构信息为实际问题的识别创造了条件，也为知识化模型生成过程中的信息快速搜索与推理创造了条件。A2、构建脑功能成像诊断问题知识化信息模型尽管脑功能成像诊断问题十分复杂，但它有三个基本的要素：患者基本信息、成像特征和病症。由此把该问题划分为三个信息侧面，即患者基本信息侧面、成像特征信息侧面和病症侧面。在患者信息侧面中又包含性别、年龄和学历等信息单元。每个信息单元中又包含若干子句，如在性别信息单元中包含男和女两个子句。由于患者基本信息为结构化数据，所以它保存在数据库中，并可以转化为树形结构。在成像特征侧面中包含是从脑成像数据提取的不同脑区的特征。根据Talairach-Tournoux坐标系将脑标注成几十个不同的Brodmann脑区，他们共分五层，分为从Level1到Level5五个等级。但五个层次并不是严格的树型关系。病症信息侧面中则包含了患者所表现的症状。因此它一般为半结构化或非结构化的信息。由于Prolog语言的结构化和模块化程度很高，比较适合把问题描述树所代表的实际应用问题表述成计算机程序，因此我们采用Prolog语言把问题描述树所代表的原始信息表述成计算机程序语言编写的程序，形成按一定组织结构组合的子句。此子句集所构成的程序就是本问题的知识化信息模型。用Prolog语言编写信息模型如下：/*描述患者基本信息*/patient(“信息单元名”，“子句”，“患者”)./*描述成像特征信息*/feature（“信息单元名”，“子句”，“患者”）./*描述病症信息*/know（“信息单元名”，“子句”，“患者”）.例如：一位20岁的男患者a，睡眠质量差，用Prolog语言描述为（在Prolog中用“，”表示“∧”，本文为了表达直观仍使用“∧”）：patient(age，20，a)∧patient(gender，male，a)∧know(睡眠质量，差，a).B、设计知识模型使用Prolog的目的就是实现系统的智能化推理，用产生式系统来表示知识及信息。选择这种知识表示是因为它具有很多的优点，尤其是易于理解、易于获取及易于管理。产生式系统中包含一组产生式和事实。产生式规则把知识用IF-THEN来表示：if(<前提1><前提2>…<前提n>)then(<结论1><结论2>…<结论n>)即满足前提条件后，就对数据实行后面的结论所指定的操作。由于对患者病情的诊断是从以上三个信息侧面中推理得出，因此诊断规则在Prolog中的表达式为：diagnose(y,z,X):-(Λi=0npatient(ai,bi,X))^(Λj=0mfeature(cj,dj,X))^]]>(Λk=0lknow(ek,fk,X)).]]>使用规则是要推知对患者的诊断情况，所以结果diagnose（“信息单元名”，“子句”，“学生”）始终出现在Prolog规则的结论中，即谓词的定义部分。而患者基本信息侧面、成像特征信息侧面和病症侧面构成了Prolog规则的条件部分本文档来自技高网...

【技术保护点】
1.一种基于知识库的脑功能成像诊断方法，其特征在于：包括以下步骤：A、对脑功能成像诊断问题进行知识表示A1、树状表示实际问题在计算机中的表示方法与问题的信息结构特征密切关联；它要对问题易于辨识、信息易于扩充和修改，并便于实现快速的信息搜索与基于知识的推理，对于某些具有层次化树状信息结构特征的实际问题，使用知识的树状表示法加以描述；根据实际问题的特点，把信息分为不同的侧面信息，每一个信息侧面还可划分不同的信息单元；这样可以把实际问题的信息归结成为一种层次化的树状结构图；子句是基本信息单元，也是问题描述树的叶节点，它包含问题的数据信息；分支节点描述的是实际问题的结构信息；边表示父节点与子节点之间的隶属关系；由此可见，树状描述的问题结构信息为实际问题的识别创造了条件，也为知识化模型生成过程中的信息快速搜索与推理创造了条件；A2、构建脑功能成像诊断问题知识化信息模型尽管脑功能成像诊断问题十分复杂，但它有三个基本的要素：患者基本信息、成像特征和病症；由此把该问题划分为三个信息侧面，即患者基本信息侧面、成像特征信息侧面和病症侧面；在患者信息侧面中又包含性别、年龄和学历等信息单元；每个信息单元中又包含若干子句，如在性别信息单元中包含男和女两个子句；由于患者基本信息为结构化数据，所以它保存在数据库中，并可以转化为树形结构；在成像特征侧面中包含是从脑成像数据提取的不同脑区的特征；根据Talairach-Tournoux坐标系将脑标注成几十个不同的Brodmann脑区，他们共分五层，分为从Level1到Level5五个等级；但五个层次并不是严格的树型关系；病症信息侧面中则包含了患者所表现的症状；因此它一般为半结构化或非结构化的信息；由于Prolog语言的结构化和模块化程度很高，比较适合把问题描述树所代表的实际应用问题表述成计算机程序，因此我们采用Prolog语言把问题描述树所代表的原始信息表述成计算机程序语言编写的程序，形成按一定组织结构组合的子句；此子句集所构成的程序就是本问题的知识化信息模型；用Prolog语言编写信息模型如下：/*描述患者基本信息*/patient(“信息单元名”，“子句”，“患者”)；/*描述成像特征信息*/feature（“信息单元名”，“子句”，“患者”）；/*描述病症信息*/know（“信息单元名”，“子句”，“患者”）；例如：一位20岁的男患者a，睡眠质量差，用Prolog语言描述为（在Prolog中用“，”表示“∧”，本文为了表达直观仍使用“∧”）：patient(age，20，a)∧patient(gender，male，a)∧know(睡眠质量，差，a)；B、设计知识模型使用Prolog的目的就是实现系统的智能化推理，用产生式系统来表示知识及信息；选择这种知识表示是因为它具有很多的优点，尤其是易于理解、易于获取及易于管理；产生式系统中包含一组产生式和事实；产生式规则把知识用IF-THEN来表示：if(<前提1><前提2>…<前提n>)then (<结论1><结论2>…<结论n>)即满足前提条件后，就对数据实行后面的结论所指定的操作；由于对患者病情的诊断是从以上三个信息侧面中推理得出，因此诊断规则在Prolog中的表使用规则是要推知对患者的诊断情况，所以结果diagnose（“信息单元名”，“子句”，“学生”）始终出现在Prolog规则的结论中，即谓词的定义部分；而患者基本信息侧面、成像特征信息侧面和病症侧面构成了Prolog规则的条件部分；只要在Prolog中询问“diagnose(Y，Z,a)”（Y和Z为变量），即可得到所有可能的结果；C、建立知识库C1、管理知识库的数据知识库中的数据并不是固定不变，把知识库分成两部分：固定知识和变动知识；固定知识指的是规则，它不会根据患者的不同而改变，只能是当前患者是否使用该条规则，因此这部分的知识写在Prolog的程序文件中；变动知识指的是针对某一位患者的数据信息，它随着患者的不同而变化，所以这部分内容是动态加入内存的；当诊断时，首先系统会把固定知识读入，然后在数据库中查询患者基本信息，从成像文件中提取特征信息，以及由医生输入病症，将它们用Prolog语言描述后加入知识库；C2、结合知识库和数据库患者基本信息都来源于对数据库查询的结果；例如，对一个编号为A的患者a，其具体操作如下：Select患者；基本信息单元1，…，患者；基本单元nFrom患者Where患者；编号=A；数据库中的表结构和问题描述树的结构具有一致性：信息单元名称对应表的列名，查询结果就是该信息单元中相应子句的数据信息，因此可以用Prolog语言的表达出来：pentient(信息单元1,信息单元1对应列中的查询结果，a)    ……p...

【技术特征摘要】
1.一种基于知识库的脑功能成像诊断方法，其特征在于：包括以下步骤：
A、对脑功能成像诊断问题进行知识表示
A1、树状表示
实际问题在计算机中的表示方法与问题的信息结构特征密切关联；它要对
问题易于辨识、信息易于扩充和修改，并便于实现快速的信息搜索与基于知识
的推理，对于某些具有层次化树状信息结构特征的实际问题，使用知识的树状
表示法加以描述；
根据实际问题的特点，把信息分为不同的侧面信息，每一个信息侧面还可
划分不同的信息单元；这样可以把实际问题的信息归结成为一种层次化的树状
结构图；子句是基本信息单元，也是问题描述树的叶节点，它包含问题的数据
信息；分支节点描述的是实际问题的结构信息；边表示父节点与子节点之间的
隶属关系；由此可见，树状描述的问题结构信息为实际问题的识别创造了条件，
也为知识化模型生成过程中的信息快速搜索与推理创造了条件；
A2、构建脑功能成像诊断问题知识化信息模型
尽管脑功能成像诊断问题十分复杂，但它有三个基本的要素：患者基本信
息、成像特征和病症；由此把该问题划分为三个信息侧面，即患者基本信息侧
面、成像特征信息侧面和病症侧面；在患者信息侧面中又包含性别、年龄和学
历等信息单元；每个信息单元中又包含若干子句，如在性别信息单元中包含男
和女两个子句；由于患者基本信息为结构化数据，所以它保存在数据库中，并
可以转化为树形结构；在成像特征侧面中包含是从脑成像数据提取的不同脑区
的特征；根据Talairach-Tournoux坐标系将脑标注成几十个不同的Brodmann脑
区，他们共分五层，分为从Level1到Level5五个等级；但五个层次并不是严格
的树型关系；病症信息侧面中则包含了患者所表现的症状；因此它一般为半结
构化或非结构化的信息；
由于Prolog语言的结构化和模块化程度很高，比较适合把问题描述树所代
表的实际应用问题表述成计算机程序，因此我们采用Prolog语言把问题描述树
所代表的原始信息表述成计算机程序语言编写的程序，形成按一定组织结构组
合的子句；此子句集所构成的程序就是本问题的知识化信息模型；用Prolog语

\t言编写信息模型如下：
/*描述患者基本信息*/
patient(“信息单元名”，“子句”，“患者”)；
/*描述成像特征信息*/
feature（“信息单元名”，“子句”，“患者”）；
/*描述病症信息*/
know（“信息单元名”，“子句”，“患者”）；
例如：一位20岁的男患者a，睡眠质量差，用Prolog语言描述为（在Prolog
中用“，”表示“∧”，本文为了表达直观仍使用“∧”）：
patient(age，20，a)∧patient(gender，male，a)∧know(睡眠质量，差，
a)；
B、设计知识模型
使用Prolog的目的就是实现系统的智能化推理，用产生式系统来表示知识
及信息；选择这种知识表示是因为它具有很多的优点...

【专利技术属性】
技术研发人员：刘博，梅昱婷，
申请(专利权)人：大连灵动科技发展有限公司，
类型：发明
国别省市：辽宁;21