基于脑图谱的脑影像结构化分析和脑疾病分类系统技术方案

本申请涉及人工智能领域，特别是涉及一种基于脑图谱的脑影像结构化分析和脑疾病分类系统，包括：脑图谱标准化模块，用于基于多种脑图谱构建的脑图谱库实现脑图谱标准化；结构化映射模块，用于将多模态脑影像样本数据映射到脑图谱所在的标准空间，提取多模态脑影像样本数据的影像学指标；图构建模块，用于构建不同脑图谱所对应的图；图表征提取模块，用于提取图的图表征；非影像数据处理模块，用于对获取的非影像数据进行预处理和标准化；训练模块，用于利用预处理和标准化后的非影像数据与图表征的融合特征来训练分类器；分类模块，用于利用训练完成的分类器对采集得到的多模态脑影像数据进行分类。本发明专利技术提高脑疾病分类的准确性。确性。确性。

【技术实现步骤摘要】
基于脑图谱的脑影像结构化分析和脑疾病分类系统


[0001]本申请涉及人工智能领域，特别是涉及一种基于脑图谱的脑影像结构化分析和脑疾病分类系统。

技术介绍

[0002]近年来，得益于深度学习技术的快速发展，计算机辅助的脑疾病诊断或生物标记的寻找得到了快速发展，例如抑郁症、精神分裂症、阿尔兹海默症等。但是基于深度学习的方法普遍存在泛化性较差、依赖大数据集、可解释性较差的问题，并且现有的方法在精度上依然存在可改进的空间。图神经网络作为近年来兴起的一种深度学习方法，可以很好地提取图中的信息。考虑到大脑可以抽象为不同的图，所以使用图神经网络来进行脑疾病诊断成为了热门。但是现有的方法在图的构建上，往往只考虑某种模态的或是只根据特定图谱。医学图像数据与电子病历中的文本数据都是医疗数据类型中常见的非结构化数据。尽管目前得到长足发展的卷积神经网络在图像处理领域取得广泛的应用，然而面对结构复杂的医学图像，由于其成像模态、分辨率、成像角度的多样性，仍然存在大量的局限性。通过合理的方法将非结构化的图像数据转化为结构化数据有利于后续的数据挖掘和分析。其次，对大脑组织感兴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑图谱的脑影像结构化分析和脑疾病分类系统，其特征在于，所述系统包括：脑图谱标准化模块，用于基于多种脑图谱构建的脑图谱库实现脑图谱标准化；结构化映射模块，用于将多模态脑影像样本数据映射到脑图谱所在的标准空间，提取多模态脑影像样本数据的影像学指标，实现多模态脑影像样本数据的结构化映射；图构建模块，用于以脑图谱所定义的脑区为节点，用所述影像学指标计算节点间连接，构建不同脑图谱所对应的图；图表征提取模块，用于利用有监督对比学习训练图网络，提取所述图的图表征；非影像数据处理模块，用于对获取的非影像数据进行预处理和标准化；训练模块，用于利用预处理和标准化后的非影像数据与所述图表征的融合特征来训练分类器；分类模块，用于利用训练完成的分类器对采集得到的多模态脑影像数据进行分类。2.根据权利要求1所述的系统，其特征在于，所述脑图谱标准化模块具体用于：对所述图谱库中的各脑图谱以1mm3，2mm3或者4mm3重采样处理，将重采样处理后的各所述脑图谱非线性映射到一标准图谱空间。3.根据权利要求1所述的系统，其特征在于，所述多模态脑影像样本数据包括结构磁共振影像数据、弥散磁共振影像数据、静息态功能磁共振影像数据、任务态功能磁共振影像数据、脑电图影像数据以及脑磁图影像数据。4.根据权利要求1所述的系统，其特征在于，所述非影像数据包括人口学特征和行为学数据，人口学特征包括年龄、性别和受教育年限；行为学数据包括测量被试情绪、睡眠和记忆量表评分，以及在任务态功能磁共振数据采集时获得的按键反应正确率和反应时间。5.根据权利要求1所述的系统，其特征在于，所述图的类型包括结构图G
s
（V
s
，E
s
）、静息态功能图G
r
（V
r
，E
r
）、任务态功能图G
t
（V
t
，E
t
），脑电图G
eeg
（V
eeg
，E
rrg
）以及脑磁图G
meg
（V
meg
，E
meg
）。6.根据权利要求5所述的系统，其特征在于，所述图构建模块具体用于：对于结构图G
s
（V
s
，E
s
），其节点信息V
s
使用皮层信息以及各个脑区的扩散信息进行表示；其边E
s
使用基于弥散磁共振影像数据计算得到的结构连接图进行表示；对于静息态功能图G
r
（V
r
，E
r
），其节点信息V
r
使用提取...

【专利技术属性】
技术研发人员：张瑜，张欢，赵博涛，孙超良，钱浩天，张军阳，
申请(专利权)人：之江实验室，
类型：发明
国别省市：