脑神经功能损伤检测方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种脑神经功能损伤检测方法及装置、电子设备和存储介质。所述脑神经功能损伤检测方法包括：获取脑灌注影像的脑组织区域；提取所述脑组织区域的动态影像特征；基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征，所述第一目标为是否患有脑卒中，第二目标为脑功能损伤程度的评价指标；基于所述第一特征和第二特征，确定所述脑神经功能是否损伤。本公开实施例可实现脑神经功能损伤的自动检测，并提高了检测精度。度。度。

【技术实现步骤摘要】
脑神经功能损伤检测方法及装置、电子设备和存储介质


[0001]本公开涉及医学图像处理
，尤其涉及一种脑神经功能损伤检测方法及装置、电子设备和存储介质。

技术介绍

[0002]脑卒中已成为全球第二大死因。大多数存活患者不能独立生活，而且患其他神经后遗症(如痴呆)的风险也会增加。脑卒中的突发性、严重性和不可预测性给患者和家属带来了严重的生理和心理负担。临床证明，脑卒中会引起神经功能缺损，严重时产生的占位效应和脑水肿会导致脑疝和死亡。目前美国国立卫生院卒中量表(NIH Stroke Scale,NIHSS)用于评估脑神经功能损伤程度，评分范围为0
‑
42分，分值为0时表示正常，分值越高表示损伤越严重。临床上经常采用调查问卷的方式进行NIHSS评分的评估，耗时较长，而且相关研究表明，即使评分为0，也不代表患者不存在脑卒中，因此存在误判的情况。如果能够提出一种方案能够从多角度对脑神经功能损伤进行自动检测，不仅能够减少检测时间，也会提高检测精度。

技术实现思路

[0003]本公开提出了一种脑神经功能损伤检测方法及装置、电子设备和存储介质，本公开实施例能够实现神经功能损伤程度的自动检测，并且提高了检测精度。
[0004]根据本公开的一方面，提供了一种脑神经功能损伤检测方法，其包括：
[0005]获取脑灌注影像的脑组织区域；
[0006]提取所述脑组织区域的动态影像特征；
[0007]基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征，所述第一目标为是否患有脑卒中，第二目标为脑功能损伤程度的评价指标；
[0008]基于所述第一特征和第二特征，确定所述脑神经功能是否损伤。
[0009]在一些可能的实施方式中，所述提取所述脑组织区域的动态影像特征，包括：
[0010]分别对所述脑灌注影像在各时刻下所述脑组织区域执行特征提取处理，得到各时刻下的时刻影像特征；
[0011]针对所述脑灌注影像，分别将所述脑组织区域在各时刻的时刻影像特征组合，得到所述脑灌注影像的动态影像特征；
[0012]和/或，在提取所述脑组织区域的动态影像特征之前，所述方法还包括：对所述脑灌注影像的各像素点执行时间维度上的移动平滑处理。
[0013]在一些可能的实施方式中，所述基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征，包括：
[0014]从所述动态影像特征中选择出第一特征项对应的第一特征，以及第二特征项对应的第二特征；
[0015]和/或
[0016]从所述动态影像特征中选择出第一特征项对应的第一子特征，以及第二特征项对应的第二子特征；
[0017]对所述动态影像特征执行降维处理，得到降维特征；
[0018]基于所述第一子特征和所述降维特征得到所述第一特征，以及基于所述第二子特征和所述降维特征得到第二特征。
[0019]在一些可能的实施方式中，所述基于所述第一特征和第二特征，确定所述脑神经功能是否损伤，包括：
[0020]在所述第一特征和所述第二特征满足第一条件的情况下，确定为所述脑神经功能损伤，以及在所述第一特征和第二特征不满足所述第一条件的情况下，利用所述第一特征和第二特征得到第三特征，并利用所述第三特征判断是否存在所述脑神经功能损伤。
[0021]在一些可能的实施方式中，所述利用所述第一特征和第二特征得到第三特征，并利用所述第三特征判断是否存在所述脑神经功能损伤，包括：
[0022]获取所述第一特征与所述第一目标对应的第一概率；
[0023]获取所述第二特征与所述第二目标对应的第二概率；
[0024]基于所述第一概率和第二概率得到所述第三特征；
[0025]基于所述第三特征判断是否存在所述脑神经功能损伤。
[0026]在一些可能的实施方式中，所述基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征之前，还包括确定提取所述第一特征和第二特征的最优特征组合策略，其包括：
[0027]获取脑灌注影像集中脑灌注影像的动态影像特征和目标变量，所述目标变量包括第一目标和第二目标；
[0028]基于预设特征选择方法和至少两种特征降维方法对所述动态影像特征执行特征处理，得到第一选择特征及至少两组第一降维特征；
[0029]基于多种组合策略对所述第一选择特征及所述第一降维特征执行特征组合处理，得到多个组合特征；
[0030]利用分类模型和所述目标变量评估所述组合特征，将分类得分最高的组合特征对应的组合策略确定为所述最优特征组合策略。
[0031]在一些可能的实施方式中，所述方法还包括确定所述预设特征选择方法，其包括：
[0032]基于至少两种特征选择方法，从所述动态影像特征的显著特征中筛选出满足所述特征选择方法的选择条件的第一影像特征；
[0033]利用所述分类模型评估各所述特征选择方法得到的所述第一影像特征，将分类得分最高的第一影像特征对应的特征选择方法确定为所述预设特征选择方法。
[0034]根据本公开的第二方面，提供了一种脑神经功能损伤检测装置，其包括：
[0035]获取模块，用于获取脑灌注影像的脑组织区域；
[0036]提取模块，用于提取所述脑组织区域的动态影像特征；
[0037]特征处理模块，基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征，所述第一目标为是否患有脑卒中，第二目标为脑功能损伤程度的评价指标；
[0038]确定模块，用于基于所述第一特征和第二特征，确定所述脑神经功能是否损伤。
[0039]根据本公开的第三方面，提供了一种电子设备，其包括：
[0040]处理器；
[0041]用于存储处理器可执行指令的存储器；
[0042]其中，所述处理器被配置为调用所述存储器存储的指令，以执行第一方面中任意一项所述的方法。
[0043]根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现第一方面中任意一项所述的方法。
[0044]在本公开实施例中，可以根据不同的目标从脑灌注影像的动态影像特征中提取相应的特征信息，结合不同目标的特征信息确定脑神经功能是否损伤。本公开实施例的动态影像特征能够准确的表达血流信息，同时通过多角度的特征信息评价脑功能损伤的情况，不能能够实现自动检测，还可以提高检测精度。
[0045]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
[0046]根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
[0047]此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
[0048]图1示出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑神经功能损伤检测方法，其特征在于，包括：获取脑灌注影像的脑组织区域；提取所述脑组织区域的动态影像特征；基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征，所述第一目标为是否患有脑卒中，第二目标为脑功能损伤程度的评价指标；基于所述第一特征和第二特征，确定所述脑神经功能是否损伤。2.根据权利要求1所述的方法，其特征在于，所述提取所述脑组织区域的动态影像特征，包括：分别对所述脑灌注影像在各时刻下所述脑组织区域执行特征提取处理，得到各时刻下的时刻影像特征；针对所述脑灌注影像，分别将所述脑组织区域在各时刻的时刻影像特征组合，得到所述脑灌注影像的动态影像特征；和/或，在提取所述脑组织区域的动态影像特征之前，所述方法还包括：对所述脑灌注影像的各像素点执行时间维度上的移动平滑处理。3.根据权利要求1或2所述的方法，其特征在于，所述基于所述动态影像特征得到针对第一目标的第一特征以及针对第二目标的第二特征，包括：从所述动态影像特征中选择出第一特征项对应的第一特征，以及第二特征项对应的第二特征；和/或从所述动态影像特征中选择出第一特征项对应的第一子特征，以及第二特征项对应的第二子特征；对所述动态影像特征执行降维处理，得到降维特征；基于所述第一子特征和所述降维特征得到所述第一特征，以及基于所述第二子特征和所述降维特征得到第二特征。4.根据权利要求1
‑
3中任意一项所述的方法，其特征在于，所述基于所述第一特征和第二特征，确定所述脑神经功能是否损伤，包括：在所述第一特征和所述第二特征满足第一条件的情况下，确定为所述脑神经功能损伤，以及在所述第一特征和第二特征不满足所述第一条件的情况下，利用所述第一特征和第二特征得到第三特征，并利用所述第三特征判断是否存在所述脑神经功能损伤。5.根据权利要求4所述的方法，其特征在于，所述利用所述第一特征和第二特征得到第三特征，并利用所述第三特征判断是否存在所述脑神经功能损伤，包括：获取所述第一特征与所述第一目标对应的第一概率；获取所述第二特征与所述第二目标对应的第二概率；基于所述第一概率和第二概率...

【专利技术属性】
技术研发人员：康雁，曾学强，卢佳锡，缪晓强，阿斯木，杨英健，郭英委，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：