神经影像图检索方法及装置制造方法及图纸

本发明专利技术实施例提供的一种神经影像图检索方法及装置，涉及医疗技术领域。所述方法包括获取待检索的神经影像图；再对所述待检索的神经影像图进行多源特征提取，获得所述待检索的神经影像图对应的多个数据源特征；然后基于所述多个数据源特征、预设的特征选择矩阵及预设特征选择计算规则，获取所述多个数据源特征中的选择特征；将所述多个数据源特征中的选择特征带入预设的检索库进行检索，获得检索结果，以此实现从神经影像图的多源特征中提取选择特征到预设的检索库进行检索，提高检索性能。

【技术实现步骤摘要】
神经影像图检索方法及装置
本专利技术涉及医学
，具体而言，涉及一种神经影像图检索方法及装置。
技术介绍
阿尔兹海默病是一种全球普遍的疾病，在美国阿尔兹海默病为第六大致死疾病。预计到2050年，世界上每85人便有一人患有此疾病，给医疗机构和社会造成了沉重的负担，因此今年来受到越来越多的关注。根据阿尔兹海默病国际机构估计，到2050年，全球有1亿3150万将会患此疾病，而且大部分人无法获得及时的诊断和适当的医疗保障。开发自动化工具辅助诊断和治疗具有重要研究意义。出于这个原因，最近十年已经有无数的诊断和预测的方法被不断提出。目前为了加速阿尔兹海默病的诊断和治疗，脑疾病的影像检索起到了重要的作用，但是检索效果差，性能低。
技术实现思路
本专利技术的目的在于提供一种神经影像图检索方法及装置，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：第一方面，本专利技术实施例提供了一种神经影像图检索方法，所述方法包括获取待检索的神经影像图；对所述待检索的神经影像图进行多源特征提取，获得所述待检索的神经影像图对应的多个数据源特征；基于所述多个数据源特征、预设的特征选择矩阵及预设特征选择计算规则，获取所述多个数据源特征中的选择特征；将所述多个数据源特征中的选择特征带入预设的检索库进行检索，获得检索结果。第二方面，本专利技术实施例提供了一种神经影像图检索装置，所述装置包括第一获取单元、第一提取单元、第二获取单元和检索单元。第一获取单元，用于获取待检索的神经影像图。第一提取单元，用于对所述第一获取单元获取的待检索的神经影像图进行多源特征提取，获得所述待检索的神经影像图对应的多个数据源特征。第二获取单元，用于基于所述第一提取单元获得的所述多个数据源特征、预设的特征选择矩阵及预设特征选择计算规则，获取所述多个数据源特征中的选择特征。检索单元，用于将所述第二获取单元获取的所述多个数据源特征中的选择特征带入预设的检索库进行检索，获得检索结果。本专利技术实施例提供的一种神经影像图检索方法及装置，获取待检索的神经影像图；再对所述待检索的神经影像图进行多源特征提取，获得所述待检索的神经影像图对应的多个数据源特征；然后基于所述多个数据源特征、预设的特征选择矩阵及预设特征选择计算规则，获取所述多个数据源特征中的选择特征；将所述多个数据源特征中的选择特征带入预设的检索库进行检索，获得检索结果，以此实现从神经影像图的多源特征中提取选择特征到预设的检索库进行检索，提高检索性能。本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例提供的电子设备的结构框图；图2为本专利技术第一实施例提供的神经影像图检索方法的流程图；图3为本专利技术第一实施例提供的神经影像图检索方法的子流程图；图4为本专利技术第二实施例提供的神经影像图检索装置的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。图1示出了一种可应用于本专利技术实施例中的电子设备100的结构框图。如图1所示，电子设备100可以包括存储器102、存储控制器104、一个或多个(图1中仅示出一个)处理器106、外设接口108、输入输出模块110、音频模块112、显示模块114、射频模块116和神经影像图检索装置。存储器102、存储控制器104、处理器106、外设接口108、输入输出模块110、音频模块112、显示模块114、射频模块116各元件之间直接或间接地电连接，以实现数据的传输或交互。例如，这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。神经影像图检索方法分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器102中的软件功能模块，例如所述神经影像图检索装置包括的软件功能模块或计算机程序。存储器102可以存储各种软件程序以及模块，如本申请实施例提供的神经影像图检索方法及装置对应的程序指令/模块。处理器106通过运行存储在存储器102中的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本申请实施例中的神经影像图检索方法。存储器102可以包括但不限于随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。处理器106可以是一种集成电路芯片，具有信号处理能力。上述处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述外设接口108将各种输入/输入装置耦合至处理器106以及存储器102。在一些实施例中，外设接口108、处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。输入输出模块110用于提供给用户输入数据实现用户与电子设备100的交互。所述输入输出模块110可以是，但不限于，鼠标和键盘等。音频模块112向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。显示模块114在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示模块114可以是液晶显示器或触控显示器。若为触控显示器，其可为本文档来自技高网...

【技术保护点】
一种神经影像图检索方法，其特征在于，所述方法包括：获取待检索的神经影像图；对所述待检索的神经影像图进行多源特征提取，获得所述待检索的神经影像图对应的多个数据源特征；基于所述多个数据源特征、预设的特征选择矩阵及预设特征选择计算规则，获取所述多个数据源特征中的选择特征；将所述多个数据源特征中的选择特征带入预设的检索库进行检索，获得检索结果。

【技术特征摘要】
1.一种神经影像图检索方法，其特征在于，所述方法包括：获取待检索的神经影像图；对所述待检索的神经影像图进行多源特征提取，获得所述待检索的神经影像图对应的多个数据源特征；基于所述多个数据源特征、预设的特征选择矩阵及预设特征选择计算规则，获取所述多个数据源特征中的选择特征；将所述多个数据源特征中的选择特征带入预设的检索库进行检索，获得检索结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个神经影像图及所述多个神经影像图各自对应的标签信息；分别对所述多个神经影像图进行多源特征提取，获得所述多个神经影像图各自对应的多个数据源特征；基于所述多个神经影像图各自对应的多个数据源特征及预设相似计算规则，获得所述多个神经影像图各自对应的多个数据源特征相互之间对应的相似矩阵；基于所述多个神经影像图各自对应的多个数据源特征各自对应的相似矩阵、所述多个神经影像图各自对应的标签信息及预设正则项规则，获取所述多个神经影像图对应的正则化信息；将所述正则化信息、所述多个神经影像图各自对应的标签信息及所述多个神经影像各自对应的多个数据源特征带入预设目标函数进行计算，获得所述预设的特征选择矩阵。3.根据权利要求2所述的方法，其特征在于，将所述正则化信息、所述多个神经影像图各自对应的标签信息及所述多个神经影像图各自对应的多个数据源特征带入预设目标函数进行计算，获得所述预设的特征选择矩阵，包括：分别将预设的对角矩阵减去所述多个神经影像图各自对应的多个数据源特征各自对应的相似矩阵，获得所述多个神经影像图各自对应的多个数据源特征各自对应的拉普拉斯矩阵；基于所述多个神经影像图各自对应的多个数据源特征各自对应的拉普拉斯矩阵、所述多个神经影像图各自对应的标签信息以及预设转换规则，将所述正则化信息转换为迹信息；将所述迹信息、所述多个神经影像图各自对应的标签信息及所述多个神经影像图各自对应的多个数据源特征带入所述预设目标函数对应的转换式进行迭代计算，获得所述特征选择矩阵。4.根据权利要求2所述的方法，其特征在于，所述基于所述多个神经影像图各自对应的多个数据源特征及预设相似计算规则，获得所述多个神经影像图各自对应的多个数据源特征相互之间对应的相似矩阵，包括：基于获得所述多个神经影像图各自对应的多个数据源特征相互之间对应的相似矩阵；其中，为第i个神经影像图与第j个神经影像各自对应的第m个数据源对应的相似矩阵，为第i个神经影像图对应的第m个数据源特征，为第i个神经影像图的K-最近邻，为第j个神经影像图对应的第m个数据源特征，为第j个神经影像图的K-最近邻，t为预设参数。5.根据权利要求2所述的方法，其特征在于，所述基于所述多个神经影像图各自对应的多个数据源特征各自对应的相似矩阵、所述多个神经影像图各自对应的标签信息及预设正则项规则，获取所述多个神经影像图对应的正则化信息，包括：基于获得所述多个神经影像图对应的正则化信息；其中，为所述多个神经影像图对应的正则化信息，为第i个神经影像图与第j个神经影像各自对应的第m个数据源对应的相似矩阵，yi为第i个神经影像图对应的...

【专利技术属性】
技术研发人员：雷柏英，汪天富，倪东，陈思平，卓奕楠，
申请(专利权)人：雷柏英，
类型：发明
国别省市：广东,44