脑龄检测方法、计算机设备和存储介质技术

本申请涉及一种脑龄检测方法、计算机设备和存储介质。所述方法包括：获取待检测对象的脑部图像；将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。采用本方法得到的脑龄的准确性较高。

Brain age detection method, computer equipment and storage medium

The application relates to a brain age detection method, a computer device and a storage medium. The method includes: acquiring the brain image of the subject to be detected; inputting the brain image into the machine learning model for recognizing the brain age, and determining the corresponding brain age of the brain image; wherein, the machine learning model is obtained by training the sample brain image. The accuracy of brain age obtained by this method is high.

【技术实现步骤摘要】
脑龄检测方法、计算机设备和存储介质
本申请涉及医学图像
，特别是涉及一种脑龄检测方法、计算机设备和存储介质。
技术介绍
大脑作为人体的司令部，也就是指挥中心，其可以控制人体的各种行为活动，不同年龄的大脑(大脑的年龄也称为脑龄)在控制人体的行为活动时的能力也是不同的，因此，计算大脑的年龄就显得至关重要。相关技术在计算脑龄时，一般是通过答题的方式来计算，例如，给出100道益智题，每个人在答完该100道题之后，可以得到相应的分数，根据得到的分数就可以预测答题者的脑龄。然而上述方法计算的脑龄，其准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高检测的脑龄的准确性的脑龄检测方法、计算机设备和存储介质。一种脑龄检测方法，该方法包括：获取待检测对象的脑部图像；将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。在其中一个实施例中，所述将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄，包括：将所述脑部图像输入至分割模型进行结构的分割，得到各个子结构；对所述各个子结构的特征进行提取处理，并利用预设的回归算法对提取到的各个子结构的特征进行回归处理，确定所述脑部图像对应的脑龄。在其中一个实施例中，所述对所述各个子结构的特征进行提取处理，利用预设的回归算法对提取到的各个子结构的特征进行回归处理，确定所述脑部图像对应的脑龄，包括：对所述各个子结构的特征进行提取处理，得到各个子结构对应的提取特征；利用预设的选择算法对所述各个子结构对应的提取特征进行选择处理，确定所述各个子结构对应的目标特征；利用预设的回归算法对所述各个子结构对应的目标特征进行回归处理，确定所述脑部图像对应的脑龄。在其中一个实施例中，所述利用预设的回归算法对所述各个子结构对应的目标特征进行回归处理，确定所述脑部图像对应的脑龄，包括：利用预设的回归算法对所述各个子结构对应的目标特征进行回归处理，得到各个子结构对应的年龄；将所述各个子结构对应的年龄进行求和处理，得到所述脑部图像对应的脑龄。在其中一个实施例中，所述对所述各个子结构的特征进行提取处理，得到各个子结构对应的提取特征，包括：对所述各个子结构的结构特征进行统计处理，得到所述各个子结构对应的结构特征，所述结构特征包括相对体积、表面积、表面积与体积比、长轴长度中的至少一个；或者，对所述各个子结构的属性特征进行提取处理，得到所述各个子结构对应的属性特征，所述属性特征包括灰度平均值、纹理、灰度直方图、方差峰值中的至少一个。在其中一个实施例中，所述方法还包括：将所述各个子结构对应的结构特征和所述各个子结构对应的属性特征进行结合处理，得到所述各个子结构对应的提取特征。在其中一个实施例中，所述机器学习模型为深度学习模型，所述深度学习模型的训练方法包括：获取样本脑部图像，所述样本脑部图像已标注脑龄；将所述样本脑部图像作为初始深度学习模型的输入，将所述样本脑部图像对应的脑龄作为所述初始深度学习模型的输出，对所述初始深度学习模型进行训练，得到所述深度学习模型。在其中一个实施例中，所述方法还包括：若所述待检测对象的年龄小于第一年龄，则将所述脑部图像对应的脑龄和第一脑龄值进行对比，得到第一对比结果；或者，若所述待检测对象的年龄大于第二年龄，则将所述脑部图像对应的脑龄和第二脑龄值进行对比，得到第二对比结果；其中，所述第二年龄大于所述第一年龄，所述第一脑龄值为所述待检测对象实际年龄对应的脑龄范围中的最低脑龄值，所述第二脑龄值为所述待检测对象实际年龄对应的脑龄范围中的最高脑龄值；若所述第一对比结果为所述脑部图像对应的脑龄小于所述第一脑龄值，则输出第一结果；或者，若所述第二对比结果为所述脑部图像对应的脑龄大于所述第二脑龄值，则输出第二结果。一种脑龄检测装置，所述装置包括：获取模块，用于获取待检测对象的脑部图像；确定模块，用于将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待检测对象的脑部图像；将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待检测对象的脑部图像；将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。上述脑龄检测方法、计算机设备和存储介质，通过获取待检测对象的脑部图像，并将该脑部图像输入至机器学习模型中进行脑龄的识别，确定该脑部图像对应的脑龄，其中，机器学习模型是通过对样本脑部图像进行训练得到的。在该方法中，由于脑部图像对应的脑龄是通过在机器学习模型中对脑部图像进行训练得到的，而利用机器学习模型去训练脑部图像得到脑龄，其相对于通过答题分数来得到脑龄，其训练过程是针对大量样本脑部图像训练的，因此，其训练得到的机器学习模型是比较准确的，进而在利用该准确的机器学习模型去识别脑龄时，得到的脑龄的准确性也就更高。附图说明图1为一个实施例中计算机设备的内部结构图；图2为一个实施例中脑龄检测方法的流程示意图；图3a为另一个实施例中脑龄检测方法的流程示意图；图3b为另一个实施例中脑龄检测方法中分割脑区的示意图；图4为另一个实施例中脑龄检测方法的流程示意图；图5为另一个实施例中脑龄检测方法的流程示意图；图6为另一个实施例中脑龄检测方法的流程示意图；图7为一个实施例中脑龄检测装置的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。当前对于脑龄检测的方式多种多样，在相关技术中，有研究表明，胶质细胞对于老年大脑与年轻大脑的差异性构成有着重要的意义，通过研究分析年龄在16～106岁的480个人的大脑样品，发现一个人的胶质细胞在多年内能保持一致性，以至于能够被用来预测年龄，但该方法还仅能在人死后展开，当然其中也有很大一部分人的大脑不符合这些基因表达模式。当然还有一些研究利用脑影像来估计年龄，其在估计大脑年龄预测时需要进行大量的图像处理工作以识别出大脑白质和灰质区域，然后进行高斯过程回归，但这种方法旨在表明脑图像中具有可以估计年龄的特征，并未将其用于对脑龄的检本文档来自技高网...

【技术保护点】
1.一种脑龄检测方法，其特征在于，所述方法包括：/n获取待检测对象的脑部图像；/n将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。/n

【技术特征摘要】
1.一种脑龄检测方法，其特征在于，所述方法包括：
获取待检测对象的脑部图像；
将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄；其中，所述机器学习模型是通过对样本脑部图像进行训练得到的。


2.根据权利要求1所述的方法，其特征在于，所述将所述脑部图像输入至机器学习模型中进行脑龄的识别，确定所述脑部图像对应的脑龄，包括：
将所述脑部图像输入至分割模型进行结构的分割，得到各个子结构；
对所述各个子结构的特征进行提取处理，并利用预设的回归算法对提取到的各个子结构的特征进行回归处理，确定所述脑部图像对应的脑龄。


3.根据权利要求2所述的方法，其特征在于，所述对所述各个子结构的特征进行提取处理，并利用预设的回归算法对提取到的各个子结构的特征进行回归处理，确定所述脑部图像对应的脑龄，包括：
对所述各个子结构的特征进行提取处理，得到各个子结构对应的提取特征；
利用预设的选择算法对所述各个子结构对应的提取特征进行选择处理，确定所述各个子结构对应的目标特征；
利用预设的回归算法对所述各个子结构对应的目标特征进行回归处理，确定所述脑部图像对应的脑龄。


4.根据权利要求3所述的方法，其特征在于，所述利用预设的回归算法对所述各个子结构对应的目标特征进行回归处理，确定所述脑部图像对应的脑龄，包括：
利用预设的回归算法对所述各个子结构对应的目标特征进行回归处理，得到各个子结构对应的年龄；
将所述各个子结构对应的年龄进行求和处理，得到所述脑部图像对应的脑龄。


5.根据权利要求3所述的方法，其特征在于，所述对所述各个子结构的特征进行提取处理，得到各个子结构对应的提取特征，包括：
对所述各个子结构的结构特征进行统计处理，得到所述各个子结构对应的结构特征，所述结构特征包括相对体积、表面积、表面积与体积比、长轴长度中的至少...

【专利技术属性】
技术研发人员：淳秋坪，石峰，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31