一种功能神经影像学图像处理装置、方法、设备及介质制造方法及图纸

本发明专利技术涉及一种功能神经影像学图像处理装置、方法、设备及介质，该装置包括：图像获取模块，被配置为获取功能神经影像学数据；数据处理模块，被配置为对功能神经影像学数据进行处理；特征提取模块，被配置为基于处理后的功能神经影像学数据提取关键脑区的特征数值；数据输出模块，被配置为将提取出的关键脑区特征数值输入计算模型获得输出结果。本发明专利技术能够提取功能神经影像学中的关键数据信息，医生可以基于获取的关键数据信息并结合临床表现，进而准确判定是否为1型发作性睡病。准确判定是否为1型发作性睡病。准确判定是否为1型发作性睡病。

【技术实现步骤摘要】
一种功能神经影像学图像处理装置、方法、设备及介质


[0001]本专利技术涉及一种功能神经影像学图像处理装置、方法、设备及介质，涉及医疗


技术介绍

[0002]发作性睡病是一种罕见的中枢性嗜睡疾病，包括1型和2型两种类型，较为常见且诊断明确的是1型发作性睡病，系下丘脑分泌素缺失所致。1型发作性睡病的患病率为25
‑
50/100000，主要表现为不可抑制的日间嗜睡(即睡眠发作)和情绪诱发的肢体失张力(即猝倒发作)，还可能出现体重骤增、情绪行为障碍等。我国1型发作性睡病以儿童青少年人群为主，该病影响儿童青少年的学业成绩和身心健康，而大多数1型发作性睡病患者常常处于漏诊或误诊的状态，因此对该病的诊断识别尤为重要。
[0003]目前对发作性睡病的诊断主要依靠临床病史和睡眠电生理检查，睡眠电生理检查需要在专业睡眠中心进行整夜的睡眠监测和第二日白天的多次睡眠潜伏期试验，检查过程专业化，并需要患者的积极配合。理论上睡眠电生理对1型发作性睡病的检出率波动在70％左右，同时受患者状态和判读技师水平的影响，而且花费时间较长，是目前诊断该病的一个主要问题。另外，合并症的出现往往给发作性睡病的诊断带来干扰和疑惑，既往用药情况也会影响睡眠电生理检查结果。在临床应用中，上述问题的出现使得睡眠电生理对1型发作性睡病的检出率大打折扣。除此以外，外周血基因型和脑脊液下丘脑分泌素测定对1型发作性睡病的诊断有一定的提示意义。但是限于技术条件和腰椎穿刺留取脑脊液的风险，这些生物学诊断的方法普及性较差。
[0004]影像学在现代医学诊治中的应用非常广泛，特别是磁共振可以及时、准确地识别软组织(如脑)病变。但是多数1型发作性睡病患者常规头颅磁共振检查并不能发现有意义的阳性表现，这限制了磁共振在1型发作性睡病诊疗中的作用。功能神经影像学主要指功能磁共振(又称fMRI)，与常规磁共振不同，fMRI可以实时发现患者大脑功能和结构的改变。目前限制fMRI应用的主要瓶颈为图像处理和指标的稳定性。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，针对上述问题，本专利技术的目的是提供一种能够对fMRI数据进行精确处理的功能神经影像学图像处理装置、方法、设备及介质。
[0006]为了实现上述专利技术目的，本专利技术采用的技术方案为：
[0007]第一方面，本专利技术提供的一种功能神经影像学图像处理装置，该装置包括：
[0008]图像获取模块，被配置为获取功能神经影像学数据；
[0009]数据处理模块，被配置为对功能神经影像学数据进行处理；
[0010]特征提取模块，被配置为基于处理后的功能神经影像学数据提取关键脑区的特征数值；
[0011]数据输出模块，被配置为将提取出的关键脑区特征数值输入计算模型获得输出结果。
[0012]本专利技术的一个优选实施例，所述图像获取模块通过核磁共振机器获取功能神经影像学数据，获取的数据类型包括静息态BOLD数据和高分辨T1WI数据，每种数据均需要原始的dcm数据。
[0013]本专利技术的一个优选实施例，针对静息态BOLD数据采用基于MATLAB的SPM软件进行处理，包括格式转化、时间校正、空间配准、头动校正及回归协变量、平滑、线性漂移去除和fALFF值计算。
[0014]本专利技术的一个优选实施例，fALFF值计算的过程包括：
[0015]计算ALFF：首先对BOLD信号进行傅里叶变换，并对频域信号进行0.01
‑
0.1Hz的带通滤波，计算低频信号功率谱的平方根，对0.01
‑
0.1Hz每个频率点的功率谱平方根求和除以时间点数；
[0016]将每个体素的ALFF除以全脑平均的ALFF，得到每个体素的归一化ALFF；
[0017]将归一化ALFF与全频率段0
‑
0.25Hz的振荡幅度求比值，该比值即为fALFF。
[0018]本专利技术的一个优选实施例，针对高分辨T1WI数据的数据处理过程为：使用mricron软件将.dcm文件转化为.nii文件，采用基于Linux系统的Freesurfer软件，使用recon
‑
all命令计算皮层厚度。
[0019]本专利技术的一个优选实施例，所述关键脑区的特征数值包括左侧舌回、左侧中央后回的fALFF值和左侧额上回的皮层厚度，其中，提取关键脑区的特征数值方法包括：根据事先定义的关键脑区模板，分别在fALFF文件和皮层厚度文件提取关键脑区的fALFF值或皮层厚度值，具体为：
[0020]fALFF数值提取：fALFF数值提取采用基于MATLAB的Dpabi软件提取每个被试在关键脑区的fALFF数值；
[0021]皮层厚度提值：皮层厚度数值提取采用Linux系统的Freesurfer软件提取每个被试在关键脑区的皮层厚度值。
[0022]本专利技术的一个优选实施例，计算模型设置为Y＝19.633+2.612*(左侧舌回fALFF值)+6.208*(左侧中央后回fALFF值)
‑
8.097*(左侧额上回皮层厚度)，其中，Y为计算模型的输出结果。
[0023]第二方面，本专利技术还提供一种功能神经影像学图像处理方法，包括：
[0024]获取功能神经影像学数据；
[0025]对功能神经影像学数据进行处理；
[0026]基于处理后的功能神经影像学数据提取关键脑区的特征数值；
[0027]为将提取出的关键脑区特征数值带入计算模型获得输出结果。
[0028]第三方面，本专利技术还提供一种电子设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法的指令。
[0029]第四方面，本专利技术还提供一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法的指令。
[0030]本专利技术由于采取以上技术方案，其具有以下特点：
[0031]1、本专利技术的fMRI数据图像处理方法能够提取功能神经影像学中的关键数据信息，医生可以基于获取的关键数据信息并结合临床表现，进而准确判定是否为1型发作性睡病。
[0032]2、本专利技术可以方便快捷处理fMRI数据，得到关键的影像学数据指标，量化对1型发作性睡病的影像学诊断，同时缩短了疾病的诊断时间。
[0033]综上，本专利技术可以用于脑科学以及疾病预后的研究，对患者和临床医师具有重大的意义。
附图说明
[0034]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
[0035]图1为本专利技术实施例的功能神经影像学图像处理装置结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种功能神经影像学图像处理装置，其特征在于，该装置包括：图像获取模块，被配置为获取功能神经影像学数据；数据处理模块，被配置为对功能神经影像学数据进行处理；特征提取模块，被配置为基于处理后的功能神经影像学数据提取关键脑区的特征数值；数据输出模块，被配置为将提取出的关键脑区特征数值输入计算模型获得输出结果。2.根据权利要求1所述的功能神经影像学图像处理装置，其特征在于，所述图像获取模块通过核磁共振机器获取功能神经影像学数据，获取的数据类型包括静息态BOLD数据和高分辨T1WI数据，每种数据均需要原始的dcm数据。3.根据权利要求2所述的功能神经影像学图像处理装置，其特征在于，针对静息态BOLD数据采用基于MATLAB的SPM软件进行处理，包括格式转化、时间校正、空间配准、头动校正及回归协变量、平滑、线性漂移去除和fALFF值计算。4.根据权利要求3所述的功能神经影像学图像处理装置，其特征在于，fALFF值计算的过程包括：计算ALFF：首先对BOLD信号进行傅里叶变换，并对频域信号进行0.01
‑
0.1Hz的带通滤波，计算低频信号功率谱的平方根，对0.01
‑
0.1Hz每个频率点的功率谱平方根求和除以时间点数；将每个体素的ALFF除以全脑平均的ALFF，得到每个体素的归一化ALFF；将归一化ALFF与全频率段0
‑
0.25Hz的振荡幅度求比值，该比值即为fALFF。5.根据权利要求3或4所述的功能神经影像学图像处理装置，其特征在于，针对高分辨T1WI数据的数据处理过程为：使用mricron软件将.dcm文件转化为.nii文件，采用基于Linux系统的Freesurfer软件，使...

【专利技术属性】
技术研发人员：肖伏龙，
申请(专利权)人：北京大学人民医院，
类型：发明
国别省市：