一种偏侧化发育引导的新生儿脑成熟度评估方法及系统技术方案

本发明专利技术公开一种偏侧化发育引导的新生儿脑成熟度评估方法及系统，对目标对象的脑部T2加权影像数据进行组织分割，并提取分割组织中白质组织表面的沟回曲率特征图和沟回深度特征图。基于沟回曲率特征图和沟回深度特征图，确定分割影像中左半脑对应的第一形态学特征和右半脑对应的第二形态学特征。将第一形态学特征和第二形态学特征分别输入至训练好的双侧交互管道网络模型中，得到目标对象的脑龄预测结果并输出。能够采用双侧交互管道网络模型考虑大脑左右半球之间的信息交互过程，快速准确地预测新生儿大脑年龄，根据预测脑龄和实际脑龄之间的差值进而准确评估新生儿大脑的发育结果，同时可视化发育异常的新生儿各个大脑皮层区域异常发育的程度。皮层区域异常发育的程度。皮层区域异常发育的程度。

【技术实现步骤摘要】
一种偏侧化发育引导的新生儿脑成熟度评估方法及系统


[0001]本专利技术涉及计算机
，尤其是涉及一种偏侧化发育引导的新生儿脑成熟度评估方法及系统。

技术介绍

[0002]早产、缺氧缺血脑病等新生儿常见问题极易造成脑损伤或脑发育迟缓，导致患儿出现远期认知、行为等方面的异常。因此，分析新生儿大脑的发育年龄，对准确评估脑损伤或脑发育迟缓具有重要的意义。
[0003]目前，预测脑龄的方法通常是获取大脑的结构核磁共振影像，提取结构核磁共振影像中大脑整体的特征，将大脑整体的特征输入至机器学习算法(如：弹性网络、随机森林等)中，得出脑龄的预测结果；或者将大脑整体的特征输入至深度学习的脑龄预测模型中(如：卷积神经网络等)，得到脑龄的预测结果，准确预测新生儿大脑的发育年龄，有助于评估大脑当前的脑发育程度及损伤。大脑双侧半球发育的不对称性是大脑结构和认知功能的一个重要特征，又称为半球优势或者半球侧化，然而，现有的偏侧化发育引导的新生儿脑成熟度评估方法将大脑视作一个整体，并未重点考虑大脑双侧半球发育的不对称性，难以准确描述大脑双侧半球协同发育关系。

技术实现思路

[0004]本专利技术提供了一种偏侧化发育引导的新生儿脑成熟度评估方法及系统，以解决未重点考虑大脑双侧半球发育的不对称性，难以准确描述双侧大脑半球协同发育关系的问题，借由生物学发育机理提出了一种左右半球交互的模型，用于快速、准确地评估早产新生儿的大脑成熟度，同时仅采用了T2加权影像(T2
‑
weighted image)，T2加权影像是新生儿核磁检查最普遍使用的序列，其成像快、成本低，应用广泛，因此本专利技术提出的方法和系统更容易推广。
[0005]具体地，本申请实施例公开了以下技术方案：
[0006]第一方面，本申请实施例提供一种偏侧化发育引导的新生儿脑成熟度评估方法，该方法包括：
[0007]获取目标对象的脑部T2加权影像，并对脑部T2加权影像进行组织分割，得到包含脑部T2加权影像中的白质组织的分割影像；
[0008]基于分割图像，提取白质组织表面的沟回曲率特征图和沟回深度特征图；
[0009]基于沟回曲率特征图和沟回深度特征图，确定分割影像中左半脑对应的第一形态学特征和右半脑对应的第二形态学特征；
[0010]将第一形态学特征和第二形态学特征分别输入至训练好的双侧交互管道网络模型对应的输入通道中，通过双侧交互管道网络模型确定目标对象的脑龄预测结果并输出；
[0011]根据目标对象的预测脑龄和目标对象的实际脑龄之间的差值，确定目标对象的脑部发育结果，并基于目标对象的脑部发育结果，可视化发育异常的目标对象各个大脑皮层
区域异常发育的程度。
[0012]在一种可选择的实施例中，双侧交互管道网络模型中包括至少一个线性嵌入层、一个双侧交互管道网络模块和至少一个多层感知机；双侧交互管道网络模块包括第一线性层、自注意力机制计算层、图注意机制计算层、前馈神经网络层和第二线性层；
[0013]线性嵌入层，用于对第一形态学特征计算线性嵌入得到第一脑龄特征，对第一脑龄特征添加位置嵌入后拼接第一分类标签，得到左半脑的第一线性嵌入输入，并且，对第二形态学特征计算线性嵌入得到第二脑龄特征，对第二脑龄特征添加位置嵌入后拼接第二分类标签，得到右半脑的第二线性嵌入输入；
[0014]第一线性层，用于对第一线性嵌入输入进行数据转换，得到第一查询矩阵、第一键值矩阵和第一数值矩阵，以及，用于对第二线性嵌入输入进行数据转换，得到第二查询矩阵、第二键值矩阵和第二数值矩阵；
[0015]自注意力机制计算层，用于基于左半脑的第一查询矩阵、第一键值矩阵和第一数值矩阵，确定左半脑的第一自注意力机制特征，以及，基于右半脑的第二查询矩阵、第二键值矩阵和第二数值矩阵，确定右半脑的第二自注意力机制特征；
[0016]图注意力机制计算层，用于基于左半脑的第一数值矩阵确定左半脑向右半脑传递的第一传递信息，以及用于基于右半脑的第二数值矩阵确定右半脑向左半脑传递的第二传递信息；
[0017]第二线性层，用于对第一信息和第二信息进行维度转换，将维度转换后的第一信息与第一线性嵌入输入相加得到新的第一中间信息，并且，将维度转换后的第二信息与第二线性嵌入输入相加得到新的第二中间信息；第一信息为所述第一自注意力机制特征和所述第一传递信息相加得到；第二信息为所述第二自注意力机制特征和所述第二传递信息相加得到；
[0018]前馈神经网络层，用于基于第一中间信息确定新的第一信息，并将新的第一信息和第一中间信息相加得到该层输出的第一信息；用于基于第二中间信息确定新的第二信息，并将新的第二信息和第二中间信息相加得到该层输出的第二信息；
[0019]多层感知机，用于基于最后一层双侧交互管道网络模块中前馈神经网络层输出的第一信息和第二信息中拼接起来的脑龄分类标签，确定目标对象的脑龄预测结果并输出。
[0020]在一种可选择的实施例中，自注意力机制计算层包括第一子自注意力机制计算层和第二子自注意力机制计算层；图注意力机制计算层包括第一子图注意力机制计算层和第二子图注意力机制计算层；
[0021]第一子自注意力机制计算层，用于基于第一查询矩阵、第一键值矩阵和第一数值，确定左半脑各个通道的第一自注意力机制特征；
[0022]第二子自注意力机制计算层，用于基于第二查询矩阵、第二键值矩阵和第二数值矩阵，确定右半脑各个通道的第二自注意力机制特征；
[0023]第一子图注意力机制计算层，用于基于第一数值矩阵，确定左半脑向右半脑的第一传递信息；
[0024]第二子图注意力机制计算层，用于基于第二数值矩阵，确定右半脑向左半脑的第二传递信息。
[0025]在一种可选择的实施例中，双侧交互管道网络模型中包括8个依次连接的双侧交
互管道网络模块。
[0026]在一种可选择的实施例中，基于分割影像，提取白质组织表面的沟回曲率特征图和沟回深度特征图，包括：
[0027]基于分割影像，拟合白质组织分割边界对应的封闭三角曲面网格；
[0028]基于封闭三角曲面网格进行白质网格提取，确定白质组织表面的沟回曲率特征图和沟回深度特征图。
[0029]在一种可选择的实施例中，基于沟回曲率特征图和沟回深度特征图，确定分割影像中左半脑对应的第一形态学特征和右半脑对应的第二形态学特征，包括：
[0030]基于白质表面的沟回曲率特征图和白质表面的沟回深度特征图，将特征图中左右半脑的球体表面划分为多个三角形网格，得到左半脑对应的第一形态学特征和右半脑对应的第二形态学特征。
[0031]在一种可选择的实施例中，双侧交互管道网络模型的训练方式，包括：
[0032]获取多个样本对象的脑部T2加权影像；各样本脑部T2加权影像中包括样本对象的实际脑龄标签；
[0033]对各样本脑部T2加权影像进行组织分割，得到包括白质组织的各样本分割影像；
[0034]基于各样本分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种偏侧化发育引导的新生儿脑成熟度评估方法，其特征在于，包括：获取目标对象的脑部T2加权影像，并对所述脑部T2加权影像进行组织分割，得到包含所述脑部影像中的白质组织的分割影像；基于所述分割影像，提取所述白质组织表面的沟回曲率特征图和沟回深度特征图；基于所述沟回曲率特征图和所述沟回深度特征图，确定所述分割影像中左半脑对应的第一形态学特征和右半脑对应的第二形态学特征；将所述第一形态学特征和所述第二形态学特征分别输入至训练好的双侧交互管道网络模型对应的输入通道中，通过所述双侧交互管道网络模型得到所述目标对象的脑龄预测结果并输出；根据所述目标对象的预测脑龄和所述目标对象的实际脑龄之间的差值，确定所述目标对象的脑部发育结果，并基于所述目标对象的脑部发育结果，可视化发育异常的所述目标对象各个大脑皮层区域异常发育的程度。2.根据权利要求1所述的方法，其特征在于，所述双侧交互管道网络模型中包括至少一个线性嵌入层、一个双侧交互管道网络模块和一个多层感知机；所述双侧交互管道网络模块包括第一线性层、自注意力机制计算层、图注意机制计算层、前馈神经网络层和第二线性层；所述线性嵌入层，用于对所述第一形态学特征计算线性嵌入得到第一脑龄特征，对所述第一脑龄特征添加位置嵌入后拼接第一分类标签，得到左半脑的第一线性嵌入输入，并且，对所述第二形态学特征计算线性嵌入得到第二脑龄特征，对所述第二脑龄特征添加位置嵌入后拼接第二分类标签，得到右半脑的第二线性嵌入输入；所述第一线性层，用于对所述第一线性嵌入输入进行数据转换，得到第一查询矩阵、第一键值矩阵和第一数值矩阵，以及，用于对所述第二线性嵌入输入进行数据转换，得到第二查询矩阵、第二键值矩阵和第二数值矩阵；所述自注意力机制计算层，用于基于所述左半脑的第一查询矩阵、第一键值矩阵和第一数值矩阵，确定所述左半脑的第一自注意力机制特征，以及，基于所述右半脑的第二查询矩阵、第二键值矩阵和第二数值矩阵，确定所述右半脑的第二自注意力机制特征；所述图注意力机制计算层，用于基于所述左半脑的第一数值矩阵确定所述左半脑向所述右半脑传递的第一传递信息，以及用于基于所述右半脑的第二数值矩阵确定所述右半脑向所述左半脑传递的第二传递信息；所述第二线性层，用于对所述第一信息和所述第二信息进行维度转换，将维度转换后的第一信息与所述第一线性嵌入输入相加得到新的第一中间信息，并且，将维度转换后的第二信息与所述第二线性嵌入输入相加得到新的第二中间信息；所述第一信息为所述第一自注意力机制特征和所述第一传递信息相加得到；所述第二信息为所述第二自注意力机制特征和所述第二传递信息相加得到；所述前馈神经网络层，用于基于所述第一中间信息确定新的第一信息，并将新的第一信息和所述第一中间信息相加得到该层输出的第一信息；以及用于基于所述第二中间信息确定新的第二信息，并将新的第二信息和所述第二中间信息相加得到该层输出的第二信息；所述多层感知机，用于基于最后一层双侧交互管道网络模块中所述前馈神经网络层输
出的第一信息和第二信息中的拼接起来的脑龄分类标签，确定所述目标对象的脑龄预测结果并输出。3.根据权利要求2所述的方法，其特征在于，所述自注意力机制计算层包括第一子自注意力机制计算层和第二子自注意力机制计算层；所述图注意力机制计算层包括第一子图注意力机制计算层和第二子图注意力机制计算层；所述第一子自注意力机制计算层，基于所述第一查询矩阵、第一键值矩阵和第一数值，确定左...

【专利技术属性】
技术研发人员：胡斌，郑炜豪，李加龙，赵磊磊，姚志军，
申请(专利权)人：兰州大学，
类型：发明
国别省市：