【技术实现步骤摘要】
本申请涉及医学图像分析，特别是涉及一种基于多模态脑影像的脑肿瘤幸存者异常检测方法及系统。
技术介绍
1、根据最新的调查数据显示，儿童脑肿瘤发病率正逐年攀升，目前仅次于白血病，位居第二位，每年在中国约有7000名儿童被确诊患有脑肿瘤。而其中超过一半的病例在后颅窝区域。随着医学诊断和治疗技术的不断进步，儿童患脑肿瘤的成年幸存者的临床预后有所改善，其5年生存率已经达到74.1％。尽管生存率有所提高，目前迫切需要深入了解疾病和治疗对儿童脑肿瘤幸存者大脑结构和功能的影响，以及这些影响对其长期生活质量的潜在影响，尤其是神经解剖学基础与认知结果之间的关系。因此，寻找儿童患脑肿瘤的成年幸存者的生物标志物变得尤为重要，这将为指导和优化幸存者的康复和功能恢复提供重要依据。深入研究这些生物标志物将有助于更好地了解脑肿瘤幸存者的个体差异，提高康复方案的个体化水平，从而最大程度地改善他们的生活质量。
2、近几十年来，越来越多的研究采用非侵入性神经成像技术，对脑肿瘤幸存者的大脑结构和功能进行评估。通过结构影像数据的分析，一些研究指出脑肿瘤幸存者的白质体积发生变化，这可能导致执行功能下降。同时，弥散张量成像数据的研究表明白质完整性的改变可能是导致脑肿瘤幸存者在行动时间、运动学习、阅读能力和注意力方面受损的原因。许多功能影像数据的研究揭示了脑肿瘤幸存者工作记忆能力较低，这可能与较低的智商、中央执行能力和视觉空间工作记忆有关。虽然这些研究已经证明了脑肿瘤幸存者存在着结构和功能的变化，但尚未明确定义脑肿瘤幸存者的脑影像学生物标志物。因此，基于多模态脑影
3、尽管儿童时期患脑肿瘤的幸存者生存率有所提高，但在数据采集上存在一定的难度，对脑肿瘤幸存者进行长期随访和监测仍然具有一定的困难。因此，寻找基于多模态脑影像的脑肿瘤幸存者异常检测方法成为一项关键任务，有望检测出脑肿瘤幸存者的脑影像生物标志物。这样的脑影像生物标志物的检测不仅能够识别疾病的存在，而且有望实现对疾病的进展、严重程度以及治疗效果的跟踪。考虑到对儿童脑肿瘤幸存者的长期关注和治疗效果的评估的挑战，这种多模态脑影像的应用将为医学研究和临床实践提供更全面、精准的信息。这不仅有助于改善患者的个性化治疗方案，还为及时调整治疗计划提供了有力的支持。
技术实现思路
1、基于现有方法和研究中的上述问题，本专利技术提出一种基于多模态脑影像的脑肿瘤幸存者异常检测方法及系统，该系统包括数据采集模块、数据分析模块和数据判断模块，可以有效地检测多模态特征和潜在的神经影像生物标志物。
2、本专利技术所采用的技术方案是：一种基于多模态脑影像的脑肿瘤幸存者异常检测方法及系统。具体包括的步骤如下：
3、(1)数据采集模块，本专利技术采集了经手术切除儿童时期患有脑肿瘤后，至少存活5年以上的幸存者的结构像数据和功能像数据，同时，采集了与其年龄和性别相匹配的健康对照组的结构像数据和功能像数据；
4、(2)数据分析模块，本专利技术将采集到的结构像数据和功能像数据分别进行相应的预处理，将预处理后的结构像数据进行vbm分析，提取全脑的灰质体积，得到结构特征。将预处理后的功能像时间序列，计算得到全脑的alff值，得到功能特征。将结构特征和功能特征分别进行基于体素的双样本t检验，找出有显著性差异的脑区，从而得到待验证的脑肿瘤幸存者的多模态特征。
5、(3)数据判断模块，本专利技术将数据分析模块中得到的多模态特征输入到随机森林分类模型中，得到其特征对应的准确率，将得到的准确率进行排序，筛选出准确率较高的特征及其对应的脑区，从而检测出脑肿瘤幸存者可能的脑影像生物标志物。
6、本专利技术与
技术介绍
相比，具有的有益效果是：
7、(1)本专利技术的系统是结合了不同模态的脑影像数据，将不同模态的特征进行分类处理，实现可靠的、准确度高的多模态脑影像的脑肿瘤幸存者异常检测系统。
8、(2)本专利技术的系统是通过vbm和alff方法算出脑肿瘤幸存者基于结构和功能的两大特征，vbm可以借助图像的灰度信息，获得每个体素的脑组织的体积信息。而alff值表示脑区信号的活动强度，比较差异可以探究大脑的异常激活区域。
9、(3)本专利技术的系统是通过筛选不同模态的特征，经过统计分析和机器学习方法，找出潜在的神经影像学标志物。这种多模态脑影像的脑肿瘤幸存者异常检测系统，可以有效的解决传统方法中单一模态异常检测的不确定性，可以更精准地检测出潜在的神经影像学标志物，为脑肿瘤幸存者的精准治疗提供有效的科学依据。
本文档来自技高网...【技术保护点】
1.本专利技术公开了一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，所述系统包括以下模块：
2.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，数据采集模块的第一步骤中，儿童时期患脑肿瘤的成年幸存者都是经历过儿童时期脑肿瘤确诊及手术切除，并在此后至少存活5年以上的幸存者。
3.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，数据采集模块的第二步骤中，对儿童时期患脑肿瘤的成年幸存者和健康对照组这两组人群的全脑结构磁共振成像数据按照SPM12和CAT12工具箱进行标准化的数据分析处理流程，主要是进行图像归一化、偏置场校正、脑组织提取、组织分割等步骤。
4.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，数据采集模块的第三步骤中，对两组人群全脑静息态功能磁共振成像数据按照脑成像数据处理分析DPABI工具箱进行预处理，主要是进行时间层校正、头动校正、配准、分割和标准化等步骤。
5.根据权利要求1所述一种基于多
6.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于：数据分析模块的第五步骤中，ALFF的提取过程如下，(1)对功能像数据进行预处理；(2)用带通滤波器去除低频波动；(3)对低频时序数据S(t)进行傅里叶变换，将时域的信号转换到频域；傅里叶变换的公式为：其中，F(w)是频率为w的复数值频谱；(4)计算功率谱密度，即信号在每个频率点上的振幅的平方，功率谱密度的公式为：P(w)＝|F(w)|2；(5)计算在选定的低频带内每个频率点的振幅的平均值，即ALFF值，然后进行标准化，以消除不同个体或不同扫描差异，具体计算公式如下：其中，fl和fh是所选频带的下限和上限，P(f)是在频率f处的功率谱密度。
7.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于：数据分析模块的第六步骤中，第一特征的统计分析是基于体素的双样本T检验，年龄、性别和总颅内容积作为协变量，对脑肿瘤幸存者和健康对照组的GMV进行基于体素的统计分析，采用多重比较校正，筛选P<0.05，且体素数目大于20的脑区；第二特征的统计分析也是采用基于体素的双样本T检验，统计两组之间P<0.001且体素数目大于20的脑区差异，从而获得第一特征和第二特征的显著性差异脑区。
8.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于：数据判断模块的第七步骤中，随机森林的训练过程如下：(1)从原始数据集中进行有放回的随机抽样，构建出多个子集；(2)在每个子集上训练一个决策树；(3)在预测阶段，让每个决策树都对输入进行预测，然后以求平均的方式得出最终的预测结果；通过随机森林筛选出准确率较高的特征及其对应的脑区，准确率最高的特征所对应的脑区可作为脑肿瘤幸存者的生物标志物。
...【技术特征摘要】
1.本发明公开了一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，所述系统包括以下模块：
2.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，数据采集模块的第一步骤中，儿童时期患脑肿瘤的成年幸存者都是经历过儿童时期脑肿瘤确诊及手术切除，并在此后至少存活5年以上的幸存者。
3.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，数据采集模块的第二步骤中，对儿童时期患脑肿瘤的成年幸存者和健康对照组这两组人群的全脑结构磁共振成像数据按照spm12和cat12工具箱进行标准化的数据分析处理流程，主要是进行图像归一化、偏置场校正、脑组织提取、组织分割等步骤。
4.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于，数据采集模块的第三步骤中，对两组人群全脑静息态功能磁共振成像数据按照脑成像数据处理分析dpabi工具箱进行预处理，主要是进行时间层校正、头动校正、配准、分割和标准化等步骤。
5.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于：数据分析模块的第四步骤中，使用6mm的平滑可以降低噪声影响，提高空间一致性，减小显著性差异，改善统计分析；结构像数据的分析方法是基于体素的形态学分析，检测脑结构异常区域。
6.根据权利要求1所述一种基于多模态脑影像的脑肿瘤幸存者脑异常检测方法及系统，其特征在于：数据分析模块的第五步骤中，alff的提取过程如下，(1)对功能像数据进行预处理...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。