一种婴幼儿脑医学计算机扫描图像的分析方法及实现系统技术方案

本发明专利技术为一种婴幼儿脑医学计算机扫描图像的分析方法及实现系统，其将脑计算机扫描医学图像处理成突出分形特征的图像，然后对其采用混沌分形分析方法进行数学量化分析。该方法在Ｍａｔｌａｂ　Ｒ２００７下通过编程实现，利用混沌神经网络及分形理论，对婴幼儿脑医学计算机扫描图像进行序列化分割、识别及分形模式分析，得出不同年龄段正常婴幼儿脑医学计算机扫描图像的分形维数量化参考值和多重分形谱宽的量化参考值，并以此为比较标准，实现了对不具备典型神经影像表现特征的智力残疾和脑瘫等患儿进行临床预测，彻底改变了婴幼儿脑医学计算机扫描图像的传统分析方式，与临床广泛使用的婴幼儿盖泽尔量表评分结果比较，准确率高，重复性更强。

【技术实现步骤摘要】

本专利技术涉及医学计算机扫描图像处理及应用技米领域，特别涉及一种基 于混沌分形理论的婴幼儿脑医学计算机扫描图像分析方法及实现系统。
技术介绍
对于婴幼儿(新生至三周岁)脑发育异常及损伤，尤其是儿童智力残疾 的预测，临床宜早期预报及干预以改善预后。目前对儿童智力残疾的评估， 可采用手工量表法，根据评分标准来判定；或者根据婴幼儿脑医学计算机扫 描图像(包括CT、磁共振MR图像)直接反映的脑实质形态来判断一、量表法目前临床中常用的量表及评分方法有1 、采用丹佛发育筛选测验(Denver developmental screening test ，简 称DDST)量表简式法进行筛查，如简式筛查显示迟缓，则用繁式测查，如 果繁式结果为异常、可疑者则由两名儿科主治医师转测盖塞尔发展量表 (Gesell Development Schedules,GDS)进行正式小儿精神行为发育评定。2、用中国精神疾病分类方案与诊断标准第二版(CCMD-2-R)精神发育迟 滞诊断标准进行诊断。采用粗大运动功能测试量表(Gross Motor Function Measure，简称GMFM)与Peabody粗大运动发育量表(Peabody Developmental Measure cale-Gross Motor,简称PDMS-GM)对患儿粗大运 动发育变化进行评估。在调查中不能替换抽中的地区与对象，随机抽取5% 的筛查阴性户进行复查。GMFM量表评估分5个能区，包括88项分为卧位与翻身、坐位、爬 与跪、站立位、行走与跑跳5个能区，评分结果包括以下四项1) 原始分5个能区的原始分；2) 总百分比5个能区原始分占各自总分百分比之和再除以5;3) 月百分比(本次总百分比-前次总百分比)/间隔月数；4)月相对百分比:本次月百分比/前次总百分比x100。/。。 每项采用4级评分法，对12个月以后的患儿PDMS-GM评估分3个能 区进行，包括固定、移动、操作能区，固定能区总分为60分，移动能区总 分为178分，操作能区总分为48分。PDMS-GM评分结果包括原始分、总 百分比、月百分比和月相对百分比，计算方法与GMFM相同。3、盖泽尔发育诊断量表(GDS)是在国际上应用最普遍和常用的婴幼儿发 展量表，包括适应行为能区、大运动行为能区、精细动作行为能区、语言行 为能区及个人社会行为能区5大方面，适用于16天至6岁儿童。盖泽尔发育诊断量表中适应行为能区DQS75分，应怀疑有智力低下。 根据适应行为能区DQ结果，可将智力低下分为4级1) 轻度智力低下55分^DQS75分；2) 中度智力低下40分SDQS54分；3) 重度智力低下25分SDQ^39分；4) 极重度智力低下DCK25分。二、根据婴幼儿脑医学计算机扫描图像(即CT和磁共振MR图像)， 由诊断医师根据成像的脑实质形态，依据现有经验进行分析及做出判断。以上两种方式中，第一种量表法虽然有具体的评分标准，但是繁琐复杂， 需要受过专业培训的临床康复评估师来进行，而许多基层卫生单位往往不具 备专业的评估平台。同时对婴幼儿相关行为动作的判断还是依靠人工逐项打 分来进行，因此就不可避免地存在主观因素，客观重复性不强，容易造成评 分失误；第二种根据脑医学扫描计算机图像进行分析判断，成像后实施诊断 行为的还是影像诊断医师的视觉，传统读片方式能进行人体放射影像中的规 则形态的大部分定性分析，但医学扫描图像中却充斥着类似于脑电图、心电 图的不规则图形，这些形状是传统读片方式所不能定性和定量判断的，比如 具体描述分析脑回的多少、白质纤维束的形状、支气管树及胆管树的数目等， 这些具有局部相似性的图像事实上如此不规则，以致传统的欧式几何和三维 概念已不能描述这样复杂的形态，这使得传统影像学对于儿童精神运动发育 异常的早期预报监测十分困难。从本质上看，现有的预报监测技术都缺乏一种科学客观的量化标准。为 适应未来医学诊断的发展，神经影像学研究的趋势必然是要从传统的定性走5向定量，而混沌分形学为这一趋势提供了新的理论支持。混沌分形理论蕴涵 的"局部所含的信息与整体相似"这一重要思想，为依据定量影像分析判断 宏观病理过程提供了有力的理论武器，并与"从整体出发认识局部"的系统 论思想相辅相成，构成了完整的定量与定性相互统一的辨证思想，国内外已 将混沌理论方法作为极具发展前途的前沿技术来深入研究，但目前将这种方 法应用于研究儿童脑医学计算机扫描图像的单一和多重分形分析处理模式 和量化标准尚属空白。
技术实现思路
本专利技术的目的在于将一种混沌神经网络及分形分析方法应用于医学计 算机扫描图像的读片分析，提供一种基于混沌神经网络理论，对婴幼儿脑医 学计算机扫描图像进行分形分析以得到量化数值的方法及实现系统，由于 CT和MR图像的通用性，利用该方法和系统，可以实现对不具备典型神经 影像表现特征的智力残疾和脑瘫等患儿进行临床病变提示，最终有利于临床 提早采取智残期前干预，减少智残发生率。为达上述目的，本专利技术采用如下的技术方案 一种婴幼儿脑医学计算机 扫描图像的分析方法，其特点是，包括如下步骤'第一步，将婴幼儿脑医学计算机扫描图像处理成为突出分形特征的图像； 第二步，对前述图像采用混沌分形分析方法进行数学量化分析。 所述第一步中将婴幼儿脑医学计算机扫描图像处理成为突出分形特征的 图像，包括如下步骤a) 步，对婴幼儿脑医学计算机扫描图像进行感兴趣区的识别；b) 步，对经过识别的图像进行分割，将感兴趣区与背景分离；C)步，对所述感兴趣区进行边缘检测及骨架提取，得到突出分形特征的 图像。上述将婴幼儿脑医学计算机扫描图像处理成为突出分形特征的图像，所述a)步中的识别是指应用数学形态学的方法进行识别。上述将婴幼儿脑医学计算机扫描图像处理成为突出分形特征的图像，所述b)步中的分割是指采用遗传神经网络算法进行分割。上述将婴幼儿脑医学计算机扫描图像处理成为突出分形特征的图像，所述第C)步中的边缘检测及骨架提取是指采用基于二值数学形态学的厚化(thicken)算法和消除算法(remove法)，以及基于灰度图像的形态学方法 (canny算子和LOG算子)来进行边缘检测及骨架提取。上述婴幼儿脑医学计算机扫描图像的分析方法，所述第二步中的数学量 化分析是指采用盒维数法进行分形谱分析和计算；所述分形谱分析和计算包 括进行分形维数计算或者进行分形维数计算和多重分形谱宽的计算；所述多 重分形谱宽的计算包括下述步骤G)对所述图像进行多重分形分析；(2)用盒 计数法计算出物理量在相应的分形结构上的概率测度分布；(3)求出多重分形 谱；(4)计算出多重分形谱宽。上述婴幼儿脑医学计算机扫描图像的分析方法，在进行上述步骤之后还 包括将所述数学量化分析的结果采用单因素方差分析法进行统计分析，得 出不同年龄段正常的婴幼儿脑医学计算机扫描图像分形维数参考值和多重 分形谱宽参考值，并以此为比较标准，早期预测发现脑发育形态学异常。一种实现上述婴幼儿脑医学计算机扫描图像的分析方法的系统，其特点 是，包括用于将婴幼儿脑医学计算机扫描图像进行感兴趣区识别、图像分割和边 缘检测及骨架提取以得到突出分形特征的图像的图像处理模块；用于将图像处理模块处理好的婴幼儿脑医学计算机扫描图像进行数学 量本文档来自技高网...

【技术保护点】
一种婴幼儿脑医学计算机扫描图像的分析方法，其特征是，包括如下步骤：　第一步，将婴幼儿脑医学计算机扫描图像处理成为突出分形特征的图像；　第二步，对所述图像采用混沌分形分析方法进行数学量化分析。

【技术特征摘要】

【专利技术属性】
技术研发人员：罗良平，李鹤虹，
申请(专利权)人：暨南大学，
类型：发明
国别省市：81[中国|广州]