检测方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请适用于数据处理技术领域，提供了一种检测方法、装置、终端设备及计算机可读存储介质，包括：计算待检测个体脑部的第一定量数据，其中，定量数据用于表示脑结构和/或脑区的特征；根据第一参考数据对所述第一定量数据进行归一化处理，获得归一化数据；将所述归一化数据输入训练后的检测模型，获得第一检测结果，其中，所述第一检测结果用于表示所述待检测个体的脑萎缩程度与患病个体的脑萎缩程度的相似度；根据所述归一化数据计算所述第一定量数据在所述第一参考数据中的百分位数；根据所述第一检测结果和所述百分位数生成第二检测结果。通过上述方法，可以全面地对脑萎缩程度定量分析，从而提高了脑部病征诊断的准确度。度。度。

【技术实现步骤摘要】
检测方法、装置、终端设备及计算机可读存储介质


[0001]本申请属于数据处理
，尤其涉及一种检测方法、装置、终端设备及计算机可读存储介质。

技术介绍

[0002]阿尔茨海默病(Alzheimer
’
s Disease,AD)是老人痴呆症中最常见的类型，患者主要会出现记忆力，学习和执行能力的下降，使他们失去正常活动的功能。目前导致AD的病因还不明确，但可以肯定的是，脑萎缩是AD的明显病征。
[0003]目前，脑萎缩程度的评估大多是根据医生经验主观判断，无法客观的定量分析，导致对脑萎缩程度的检测精度较低，不利于AD病征的准确诊断。

技术实现思路

[0004]本申请实施例提供了一种检测方法、装置、终端设备及计算机可读存储介质，可以对脑萎缩程度定量分析，从而提高了脑部病征诊断的准确度。
[0005]第一方面，本申请实施例提供了一种检测方法，包括：
[0006]计算待检测个体脑部的第一定量数据，其中，定量数据用于表示脑结构和/或脑区的特征；
[0007]根据第一参考数据对所述第一定量数据进行归一化处理，获得归一化数据，
[0008]其中，所述参考数据包括与所述待检测个体的年龄相匹配的参考个体脑部的第二定量数据；
[0009]将所述归一化数据输入训练后的检测模型，获得第一检测结果，其中，所述第一检测结果用于表示所述待检测个体的脑萎缩程度与患病个体的脑萎缩程度的相似度；
[0010]根据所述归一化数据计算所述第一定量数据在所述第一参考数据中的百分位数；
[0011]根据所述第一检测结果和所述百分位数生成第二检测结果。
[0012]本申请实施例中，第一参考数据为与待检测个体年龄相匹配的患病个体脑部的定量数据，根据第一参考数据对第一定量数据进行归一化处理，相当于去除了年龄的影响；根据归一化数据计算出的百分位数，能够衡量第一定量数据在第一参考数据中的位置和累计频次；根据归一化数据获得的第一检测结果，能够表示待检测个体与患病个体的脑萎缩程度的相似度；根据百分位数和第一检测结果生成的第二检测结果，既能够从整体反映待检测个体与患病个体的脑萎缩程度的相似度，又能够反映待检测个体与正常个体脑部中脑组织和/脑区(即各类定量数据)这些局部区域的特征。因此，通过上述方法，实现了对脑萎缩程度定量分析，从而提高了AD病征诊断的准确度；其次，通过训练后的检测模型进行检测，能够有效提高检测的效率；再次，由于检测模型是根据大量训练样本训练生成的，其检测精度满足要求，因此，利用检测模型获得的检测结果的准确度较高。
[0013]在第一方面的一种可能的实现方式中，所述第一定量数据包括脑结构的相对体积；
[0014]所述计算待检测个体脑部的第一定量数据，包括：
[0015]获取所述待检测个体的脑部影像；
[0016]从所述脑部影像中分割出多个脑结构；
[0017]计算所述多个脑结构各自的相对体积。
[0018]在第一方面的一种可能的实现方式中，计算每个脑结构的相对体积的步骤，包括：
[0019]计算所述脑结构的绝对体积；
[0020]计算所述待检测个体脑部的总体积；
[0021]根据所述脑结构的绝对体积和所述总体积，计算所述脑结构的相对体积。
[0022]在第一方面的一种可能的实现方式中，所述第一定量数据包括脑叶分区的萎缩值；
[0023]所述计算待检测个体脑部的第一定量数据，包括：
[0024]获取所述待检测个体的脑部影像；
[0025]从所述脑部影像中分割出多个脑叶分区；
[0026]计算所述多个脑叶分区各自的萎缩值。
[0027]在第一方面的一种可能的实现方式中，计算每个脑叶分区的萎缩值的步骤，包括：
[0028]计算所述脑叶分区内脑脊液的第一体积；
[0029]计算所述脑叶分区内脑白质的第二体积；
[0030]计算所述脑叶分区内脑灰质的第三体积；
[0031]根据所述第一体积、所述第二体积和所述第三体积计算所述脑叶分区的萎缩值。
[0032]在第一方面的一种可能的实现方式中，所述根据第一参考数据对所述第一定量数据进行归一化处理，获得归一化数据，包括：
[0033]计算所述第一参考数据中所述第二定量数据的数据均值；
[0034]计算所述第一参考数据中所述第二定量数据的数据方差；
[0035]根据所述数据均值和所述数据方差，计算所述第一定量数据的归一化数据。
[0036]在第一方面的一种可能的实现方式中，所述根据所述归一化数据计算所述第一定量数据在所述第一参考数据中的百分位数，包括：
[0037]获取预设表；
[0038]在所述预设表中查找与所述归一化数据相匹配的所述百分位数。
[0039]在第一方面的一种可能的实现方式中，所述方法还包括：
[0040]获取训练数据，所述训练数据中包括多个年龄各自对应的数据小组，每个数据小组中包括多个样本个体各自脑部的第三定量数据，每个数据小组中的样本个体包括正常个体和患病个体；
[0041]计算所述第三定量数据在第二参考数据中的归一化数据，其中，所述第二参考数据包括与所述第三定量数据所属样本个体的年龄相匹配的正常个体脑部的第四定量数据；
[0042]根据所述第三定量数据对应的归一化数据训练所述检测模型，获得训练后的所述检测模型。
[0043]第二方面，本申请实施例提供了一种检测装置，包括：
[0044]第一计算单元，用于计算待检测个体脑部的第一定量数据，其中，定量数据用于表示脑结构和/或脑区的特征；
[0045]第二计算单元，用于根据第一参考数据对所述第一定量数据进行归一化处理，获得归一化数据，其中，所述第一参考数据包括与所述待检测个体的年龄相匹配的正常个体脑部的第二定量数据；
[0046]检测单元，用于将所述归一化数据输入训练后的检测模型，获得第一检测结果，其中，所述第一检测结果用于表示所述待检测个体的脑萎缩程度与患病个体的脑萎缩程度的相似度；
[0047]第三计算单元，用于根据所述归一化数据计算所述第一定量数据在所述第一参考数据中的百分位数；
[0048]结果单元，用于根据所述第一检测结果和所述百分位数生成第二检测结果。
[0049]第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的检测方法。
[0050]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的检测方法。
[0051]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的检测方法。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测方法，其特征在于，包括：计算待检测个体脑部的第一定量数据，其中，定量数据用于表示脑结构和/或脑区的特征；根据第一参考数据对所述第一定量数据进行归一化处理，获得归一化数据，其中，所述第一参考数据包括与所述待检测个体的年龄相匹配的正常个体脑部的第二定量数据；将所述归一化数据输入训练后的检测模型，获得第一检测结果，其中，所述第一检测结果用于表示所述待检测个体的脑萎缩程度与患病个体的脑萎缩程度的相似度；根据所述归一化数据计算所述第一定量数据在所述第一参考数据中的百分位数；根据所述第一检测结果和所述百分位数生成第二检测结果。2.如权利要求1所述的检测方法，其特征在于，所述第一定量数据包括脑结构的相对体积；所述计算待检测个体脑部的第一定量数据，包括：获取所述待检测个体的脑部影像；从所述脑部影像中分割出多个脑结构；计算所述多个脑结构各自的相对体积。3.如权利要求2所述的检测方法，其特征在于，计算每个脑结构的相对体积的步骤，包括：计算所述脑结构的绝对体积；计算所述待检测个体脑部的总体积；根据所述脑结构的绝对体积和所述总体积，计算所述脑结构的相对体积。4.如权利要求1所述的检测方法，其特征在于，所述第一定量数据包括脑叶分区的萎缩值；所述计算待检测个体脑部的第一定量数据，包括：获取所述待检测个体的脑部影像；从所述脑部影像中分割出多个脑叶分区；计算所述多个脑叶分区各自的萎缩值。5.如权利要求4所述的检测方法，其特征在于，计算每个脑叶分区的萎缩值的步骤，包括：计算所述脑叶分区内脑脊液的第一体积；计算所述脑叶分区内脑白质的第二体积；计算所述脑叶分区内脑灰...

【专利技术属性】
技术研发人员：罗怡珊，
申请(专利权)人：深圳博脑医疗科技有限公司，
类型：发明
国别省市：