一种基于多模态医学影像的帕金森病辅助诊断系统及方法技术方案

本发明专利技术公开了一种基于多模态医学影像的帕金森病辅助诊断系统及方法，本系统包括输入模块、特征提取模块、特征融合模块以及诊断模块；输入模块包括磁共振多模态(RS

【技术实现步骤摘要】
一种基于多模态医学影像的帕金森病辅助诊断系统及方法


[0001]本专利技术属于医学影像的计算机分析技术的应用领域，具体涉及一种基于多模态医学影像的帕金森病辅助诊断系统及方法。

技术介绍

[0002]帕金森病(Parkinson
’
s Disease,PD)是全球第二大常见中枢神经系统退行性疾病，以运动功能障碍为特征，具有致残性，晚期可给家庭和社会造成巨大的经济负担。PD的核心病理过程是中脑黑质错误折叠的α
‑
突触核蛋白(α
‑
synuclein,α
‑
syn)的沉积及多巴胺能神经元的进行性丧失。由于其起病的隐匿性，大多数患者在诊断PD时中脑多巴胺神经元就已损失70％以上，因此，早期识别、早期进行疾病修饰治疗对于缓解症状、减轻患者负担具有重要意义。
[0003]类淋巴系统，或脑胶质淋巴系统是最近发现的一种颅内清除通路，由星形胶质细胞末端包绕颅内小动脉及小静脉形成的血管周围空间(perivascular space,PVS)形成。脑脊液及可溶的代谢性废物、毒性蛋白可经此途径从大脑中排出，流入颅外头颈部的静脉系统中。越来越多的研究表明，淋巴系统功能障碍在神经退行性疾病早期就已出现，且下游堵塞会引起小鼠脑实质α
‑
syn沉积及运动障碍症状加重，证明类淋巴系统参与PD病理生理进程，与PD起病有关。然而，大多数基于动物模型或基于示踪剂的有创方法不能转化为临床研究，目前迫切需要临床上可使用的、非侵入性的直接成像来更好地评估类淋巴清除在PD病理生理学中的作用。
[0004]近年来，磁共振成像(Magnetic Resonance Imaging,MRI)具有高分辨率、无创、低成本、可提供多序列影像等优点，广泛应用于PD等中枢神经系统疾病的诊断。但由于PD早期并无器质性病变，目前尚无可用于诊断PD的特定磁共振序列。近年来随着功能成像的快速发展，多模态MRI被广泛应用于PD的研究中，对PD的预测、诊断、鉴别诊断以及其结构和功能方面的改变提供了更多的影像诊断依据。
[0005]根据最新研究，静息态(resting state)功能磁共振(functional MRI，fMRI)下，低频(＜0.1Hz)全脑血氧水平依赖性(global blood oxygen level
‑
dependent,gBOLD)信号与脑脊液(cerebrospinal fluid,CSF)动力学的耦合系数可能与类淋巴系统动力有关，具有作为类淋巴系统动力学定量指标的潜力。由于类淋巴系统与PD病理生理机制密切相关，且而国内外尚无研究将gBOLD
‑
CSF耦合系数应用于PD疾病的辅助诊断，本专利技术提出一种基于gBOLD
‑
CSF耦合系数进行PD辅助诊断的手段，能够反映PD患者类淋巴系统的功能，从而为医生提供更准确的临床建议。

技术实现思路

[0006]本专利技术的目的在于提供一种基于多模态医学影像的帕金森病辅助诊断系统及方法。主要利用输入MRI的T1及RS
‑
fMRI图像数据，进行特征提取后再进行特征融合，最终利用集成学习的方法进行分类学习，从而为医生提供有效的辅助诊断参考。
[0007]为达此目的，本专利技术采用以下技术方案：
[0008]一种基于多模态医学影像的帕金森病辅助诊断系统，包括输入模块、特征提取模块、特征融合模块和诊断模块，所述输入模块连接特征提取模块，特征提取模块连接特征融合模块，特征融合模块连接诊断模块；
[0009]所述输入模块：包含两个模态的输入，第一模态为MRI图像输入，主要通过T1图像确定小脑底部CSF信号较强的层面，通过RS
‑
fMRI图像获取全脑信号；第二模态为样本数据输入，包括人口学资料，所述的人口学资料包括基线资料。
[0010]所述特征提取模块：包含两个模态的数据提取；
[0011]第一模态的数据提取包括：提取了全脑灰质的BOLD信号及小脑底部层面第四脑室的脑脊液信号，通过公式计算得到gBOLD
‑
CSF耦合系数；
[0012]第二模态的数据提取包括：提取人口学资料及基线资料的特征，得到样本标签特征和资料特征；
[0013]所述特征融合模块：对特征提取模块提取到的gBOLD
‑
CSF耦合系数、样本标签特征和资料特征进行融合后再进行分类，得到多模态特征数据；
[0014]所述诊断模块：用于将特征选择后的多模态特征数据输入诊断模块后，通过多模态学习算法对特征进行学习，同时进行数据的回归和分类，最终获得诊断结果。
[0015]本专利技术系统包括输入模块、特征提取模块、特征融合模块以及诊断模块；输入模块包括磁共振多模态(RS
‑
fMRI图像和T1图像)图像输入以及样本数据输入；特征提取模块：用于对两个模态数据的特征提取，其中包括磁共振图像预处理，并提取感兴趣区域的特征数据；特征提取模块：融合提取的影像特征数据，通过公式计算获得gBOLD
‑
CSF耦合系数，构造成一个串联特征矩阵X，将样本数据(人口资料及临床资料)串联成一个相应矩阵Y；诊断模块用于对特征进行学习、数据回归和分类，最后获得诊断结果，从而为医生提供更准确的辅助诊断。针对目前帕金森病早期诊断，本专利技术定量分析多模态磁共振，对于早期诊断帕金森病具有重要意义，不仅可以提高诊断的准确性，减少操作者的主观判断误差，而且对临床早期干预具有一定的辅助指导意义。
[0016]一种基于多模态医学影像的帕金森病辅助诊断方法，采用上述系统进行操作，包括如下步骤：
[0017](1)通过磁共振成像(MRI)并经处理后得到T1图像和RS
‑
fMRI图像，将T1图像和RS
‑
fMRI图像输入到输入模块中；
[0018]将样本人口学资料及样本基线资料(即临床资料)也输入到输入模块中；
[0019](2)在特征提取模块中对T1图像和RS
‑
fMRI图像两组图像进行图像预处理，然后对预处理后的图像提取感兴趣区域的特征数据，分别获得特定时间点的全脑灰质BOLD信号与小脑底部CSF信号，通过计算公式，得出gBOLD
‑
CSF耦合系数；
[0020]在特征提取模块中对样本人口学资料及样本基线资料进行特征提取，得到样本标签特征和资料特征；
[0021](3)在特征融合模块中将gBOLD
‑
CSF耦合系数与样本标签特征和资料特征进行融合后再进行分类，得到多模态特征数据；
[0022](4)多模态特征数据输入诊断模块后，通过多模态学习算法对特征进行学习，同时进行数据的回归和分类，最终获得诊断结果。
[0023]步骤(2)中，所述的图像预处理包括格式化、归一化、分割以及平滑。
[0024]步骤(3)中，所述的融合包括：将gBOLD
‑
CSF耦合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态医学影像的帕金森病辅助诊断系统，其特征在于，包括输入模块、特征提取模块、特征融合模块和诊断模块；所述输入模块：包含两个模态的输入，第一模态为MRI图像输入，主要通过T1图像确定小脑底部CSF信号较强的层面，通过RS
‑
fMRI图像获取全脑信号；第二模态为样本数据输入，包括人口学资料；所述特征提取模块：包含两个模态的数据提取；所述特征融合模块：对特征提取模块提取到的gBOLD
‑
CSF耦合系数、样本标签特征和资料特征进行融合后再进行分类，得到多模态特征数据；所述诊断模块：用于将特征选择后的多模态特征数据输入诊断模块后，通过多模态学习算法对特征进行学习，同时进行数据的回归和分类，最终获得诊断结果。2.根据权利要求1所述的基于多模态医学影像的帕金森病辅助诊断系统，其特征在于，所述输入模块连接特征提取模块，特征提取模块连接特征融合模块，特征融合模块连接诊断模块。3.根据权利要求1所述的基于多模态医学影像的帕金森病辅助诊断系统，其特征在于，所述特征提取模块中，第一模态的数据提取包括：提取了全脑灰质的BOLD信号及小脑底部层面第四脑室的脑脊液信号，通过公式计算得到gBOLD
‑
CSF耦合系数；第二模态的数据提取包括：提取人口学资料的特征，得到样本标签特征和资料特征。4.一种基于多模态医学影像的帕金森病辅助诊断方法，其特征在于，包括如下步骤：(1)...

【专利技术属性】
技术研发人员：张宝荣，浦佳丽，宋哲，王之韵，周诚，
申请(专利权)人：浙江大学，
类型：发明
国别省市：