疾病辅助诊断方法及装置制造方法及图纸

本发明专利技术实施例涉及磁共振技术领域，提供一种疾病辅助诊断方法及装置，所述方法包括：获取待诊断fMRI数据；将待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到待诊断fMRI数据对应的辅助诊断结果；当辅助诊断结果为患病时，基于混合神经网络确定出待诊断fMRI数据对应的患病区域可视图。与现有技术相比，本发明专利技术实施例能够实现对预测的患病区域的可视化，从而为医生诊断提供有力的辅诊参考。

Methods and devices for assistant diagnosis of diseases

The embodiment of the present invention relates to the field of magnetic resonance technology, and provides a method and device for assistant diagnosis of diseases. The method includes: acquiring the fMRI data to be diagnosed; inputting the fMRI data to be diagnosed into the pre-trained hybrid neural network for disease prediction, and obtaining the assistant diagnosis results corresponding to the fMRI data to be diagnosed; and based on the hybrid neural network when the assistant diagnosis results are ill. The visual map of the disease area corresponding to the fMRI data to be diagnosed was determined. Compared with the prior art, the embodiment of the present invention can realize the visualization of the predicted disease area, thus providing a powerful auxiliary reference for the doctor's diagnosis.

【技术实现步骤摘要】
疾病辅助诊断方法及装置
本专利技术实施例涉及磁共振
，具体而言，涉及一种疾病辅助诊断方法及装置。
技术介绍
功能磁共振成像(functionalmagneticresonanceimaging，fMRI)是一种完整监测患者脑区时空活动变化的方法，相较于传统电极式脑电图分析方法能够更加全面的反映患者脑区的时空活动变化。随着人工智能技术的发展，基于fMRI的计算机辅助诊断正在逐步发展，通过利用计算机对影像图片的分类判读，辅助医生进行疾病诊断，从而降低读片工作量，提高诊断准确率。现有的基于fMRI的计算机辅助诊断方法，多专注于疾病的诊断，并不能对可能的患病区域进行定位，从而使得辅助诊断效果不理想。
技术实现思路
本专利技术实施例的目的在于提供一种疾病辅助诊断方法及装置，用以改善上述问题。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种疾病辅助诊断方法，所述方法包括：获取待诊断功能磁共振成像fMRI数据；将待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到待诊断fMRI数据对应的辅助诊断结果；当辅助诊断结果为患病时，基于混合神经网络确定出待诊断fMRI数据对应的患病区域可视图。第二方面，本专利技术实施例还提供了一种疾病辅助诊断装置，所述装置包括数据获取模块、疾病预测模块及病患可视图辅诊模块。其中，数据获取模块用于获取待诊断功能磁共振成像fMRI数据；疾病预测模块用于将所述待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到所述待诊断fMRI数据对应的辅助诊断结果；病患可视图辅诊模块用于当所述辅助诊断结果为患病时，基于所述混合神经网络确定出所述待诊断fMRI数据对应的患病区域可视图。相对现有技术，本专利技术实施例提供的一种疾病辅助诊断方法及装置，通过获取待诊断fMRI数据，并将待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到待诊断fMRI数据对应的辅助诊断结果；然后对辅助诊断结果进行分析，当辅助诊断结果为患病时，基于混合神经网络确定出待诊断fMRI数据对应的患病区域可视图。与现有技术相比，本专利技术实施例能够实现对预测的患病区域的可视化，从而为医生诊断提供有力的辅诊参考。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。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示出了本专利技术实施例提供的电子设备的方框示意图。图2示出了本专利技术实施例提供的疾病辅助诊断方法流程图。图3示出了混合神经网络的训练方法流程图。图4示出了本专利技术实施例提供的疾病辅助诊断装置的方框示意图。图标：100-电子设备；101-处理器；102-存储器；103-总线；104-通信接口；200-疾病辅助诊断装置；201-图像获取模块；202-数据获取模块；203-疾病预测模块；204-病患可视图辅诊模块；205-模型训练模块。具体实施方式下面将结合本专利技术实施例中附图，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，所描述的实施例仅仅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。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的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。目前针对疾病(例如，癫痫)的分类诊断方法主要有基因标志物辅助测试法、基于脑电波信号(Electroencephalography，EEG)提取癫痫相关信号的诊断方法、基于动态脑网络和长短时记忆网络的癫痫诊断法、基于视频和EEG多模态融合判别法。这些方法普遍适用于疾病辅助诊断，主要流程通常是提取与癫痫相关的信号作为先验特征，并将该先验特征输送至预先训练好的分类器进行预测得到预测结果，为疾病诊断提供辅助手段。以上这些方法多为非特定人群的疾病辅助诊断方法，但是对某些特定人群或者特定疾病的辅助诊断适用受限，例如，对于儿童群体的癫痫诊断，由于儿童群体正处在快速生理发育期，个体样本特征分布与成人存在差异，现有方法用于儿童癫痫诊断时，无法无效的对其进行预测。同时，现有方法所依赖的生物信号特征(例如，脑电信号)都是疾病有限视角的刻画，由于脑电信号是低纬度时间信号，其生物特征信息单一且与儿童癫痫的成因关系不明确，其他特征也多为低纬数据，无法从时间空间的角度全面刻画患病区域的变化。另外，现有疾病辅助诊断方法在提取特征时多为根据已取得的先验知识人工提取特征，疾病特征的刻画局限在人们对其已有的理解和认知范围内，很难实现更广范围的拓展。针对现有的疾病辅助诊断方法存在的上述问题，本专利技术实施例通过更为全面反映病患时空变换的fMRI数据，让机器自组织学习与疾病相关的特征，并通过数据表达能力更强的混合神经网络进行疾病预测，同时将预测出来的患病区域进行可视化处理，使得最终得到的患病区域可视图能够为医生诊断提供有力的辅诊参考，下述实施例以儿童良性癫痫这种疾病为例进行详细说明。请参照图1，图1示出了本专利技术实施例提供的电子设备100的方框示意图。电子设备100可以与磁共振扫描仪通信连接，电子设备100可以依据磁共振扫描仪采集的fMRI图像进行疾病辅助诊断，得到对应的患病区域可视图。电子设备100可以是，但不限于笔记本电脑、台式机、服务器、便携计算机等等。电子设备100包括处理器101、存储器102、总线103和通信接口104，处理器101、存储器102和通信接口104通过总线103连接。存储器102可能包括高速随机存取存储器(RAM：RandomAccessMemory)，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。电子设备100通过至少一个通信接口104(可以是有线或者无线)实现该电子设备100与磁共振仪之间的通信连接。存储器102用于存储程序，例如图4所示的疾病辅助诊断装置200。疾病辅助诊断装置200包括至少一个能以软件或固件(firmware)的形式存储于存储器102中或固化在电子设备100的操作系统中的软件功能模块。处理器101可以在接收到执行指令后，执行存储器102中存储的程序以实现下述实施例揭示的疾病辅助诊断方法。处理器101可能是一种集成电路芯片，具有信号的处理能力，用于执行存储器102中存储的可执行模块，例如计算机程序，在执行过程中，疾病辅助诊断方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。处理器101可以是通用处理器，包括中央处理器(Central本文档来自技高网...

【技术保护点】
1.一种疾病辅助诊断方法，其特征在于，所述方法包括：获取待诊断功能磁共振成像fMRI数据；将待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到所述待诊断fMRI数据对应的辅助诊断结果；当所述辅助诊断结果为患病时，基于所述混合神经网络确定出所述待诊断fMRI数据对应的患病区域可视图。

【技术特征摘要】
1.一种疾病辅助诊断方法，其特征在于，所述方法包括：获取待诊断功能磁共振成像fMRI数据；将待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到所述待诊断fMRI数据对应的辅助诊断结果；当所述辅助诊断结果为患病时，基于所述混合神经网络确定出所述待诊断fMRI数据对应的患病区域可视图。2.如权利要求1所述的方法，其特征在于，所述混合神经网络包括深度卷积神经网络和长短时记忆网络；所述将待诊断fMRI数据输入预先训练好的混合神经网络中进行疾病预测，得到所述待诊断fMRI数据对应的辅助诊断结果的步骤，包括：将所述待诊断fMRI数据输入所述混合神经网络，利用所述深度卷积神经网络提取所述待诊断fMRI数据中的空间维度特征；将获得的所述空间维度特征输入所述长短时记忆网络，利用所述长短时记忆网络对所述空间维度特征进行时间维度的迭代计算，得到所述辅助诊断结果。3.如权利要求1所述的方法，其特征在于，所述当所述辅助诊断结果为患病时，基于所述混合神经网络确定出所述待诊断fMRI数据对应的患病区域可视图的步骤，包括：当所述辅助诊断结果为患病时，获取疾病预测过程中所述混合神经网络每一层的输出特征图；对所述每一层的输出特征图均进行最大化激活处理得到对应的激活图；计算所有激活图在时间维度中的均值，并基于得到的计算结果在原始fMRI图像中标记出患病区域，得到所述患病区域可视图。4.如权利要求1所述的方法，其特征在于，所述方法还包括：获取磁共振扫描仪采集的待诊断fMRI图像，并将所述待诊断fMRI图像转换为数据矩阵格式，得到待诊断fMRI数据。5.如权利要求1所述的方法，其特征在于，采用下述方式得到训练好的混合神经网络：获取多个fMRI训练样本及每个所述fMRI训练样本的样本标签；基于所述fMRI训练样本及所述fMRI训练样本的样本标签，对构建的混合神经网络进行训练；对训练后的混合神经网络进行评估，得到评估结果；依据所述评估结果判断混合神经网络是否达到预设条件，并在所述混合神经网络达到预设条件时，得到训练好的混合神经网络。6.如权利要求5所述的方法，其特征在于，所述混合神经网络为其中，xi为f...

【专利技术属性】
技术研发人员：钟霁媛，刘凌，严明，
申请(专利权)人：钟霁媛，
类型：发明
国别省市：四川,51