基于医学影像的帕金森预测方法技术

本发明专利技术公开了一种基于医学影像的帕金森预测方法，属于医学图像处理技术领域，所述方法包括：获取待评估的MRI影像；对所述MRI影像进行预处理；将预处理后的MRI影像输入至预先构建好的人工智能分类预测模型中，得到预测结果，其中所述人工智能分类预测模型为改进的ResNet18网络模型。本发明专利技术将逐渐成熟的医学影像和深度学习进行结合，发挥人工智能的优势并将其应用于实际生活中，以残差网络为基础架构，根据帕金森病的医学影像特点对其进行改进，实现帕金森病的自动分类，准确度高。准确度高。准确度高。

【技术实现步骤摘要】
基于医学影像的帕金森预测方法


[0001]本专利技术涉及医学图像处理
，特别是指一种基于医学影像的帕金森预测方法。

技术介绍

[0002]随着社会老龄化的到来，帕金森等中老年常见的神经系统疾病的患病人数和患病率也在逐年增加。据《中国帕金森病治疗指南(第四版)》统计，我国65岁以上人群中帕金森的患病率已达到1.7％，与欧美等发达国家相似，同时基于我国庞大的人口基数，预计2030年，我国的帕金森病的患病人数将达到500多万。但是帕金森病在早期的症状表现并不明显，在就诊时很容易被忽略，在进行诊断时也需要医生凭借临床经验和复杂的流程进行最终评估，评估过程漫长且存在一定的个人主观因素，因此很多帕金森患者在确诊时其病程已达到中晚期，错失了早期治疗黄金期，这给患者、家庭和社会带来极大的经济负担和医疗压力。
[0003]近年来，人工智能的逐渐成熟和深度学习的兴起，越来越多的人开始研究其在医疗领域的应用，比如病理检测、患者服务、辅助诊断等，不仅节省了患者就医时间，提高了诊断质量，也减少了医疗差错。同样，其在帕金森等神经系统疾病诊断的研究中也取得了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医学影像的帕金森预测方法，其特征在于，包括：获取待评估的MRI影像；对所述MRI影像进行预处理；将预处理后的MRI影像输入至预先构建好的人工智能分类预测模型中，得到预测结果，其中所述人工智能分类预测模型为改进的ResNet18网络模型。2.根据权利要求1所述的方法，其特征在于，所述改进的ResNet18网络模型包括依次连接的输入模块、特征提取模块和输出模块，其中所述输入模块包括3
×3×
3普通卷积和三维深度可分离卷积。3.根据权利要求2所述的方法，其特征在于，所述输入模块包括依次连接的3
×3×
3普通卷积、批归一化层、三维深度可分离卷积和最大池化层。4.根据权利要求2所述的方法，其特征在于，所述特征提取模块中，保留由浅到深N次特征提取获得的N个特征图，并将层次深的N
‑
1个特征图进行上采样使其和上一层的原特征图保持形状一致，然后将该上一层的原特征图进行ECA注意力机制调整后与该上采样后的特征图进行融合，得到N
‑
1个新的特征图，同时将层次最深的特征图进行ECA注意力机制调整后，得到第N个新的特征图，由此共得到N个新的特征图；之后，将该N个新的特征图调整为一致大小并在通道维度上做concat操作。5.根据权利要求4所述的方法，其特征在于，所述上采样包括1
×1×
1卷积和3D反卷积；和/或，所述ECA注意力机制为3D ECA注意力机制，所述3D ECA...

【专利技术属性】
技术研发人员：丁青艳，潘雨，刘建鑫，李娜，郑婉，董学成，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：