[發明專利]人腦意識狀態預測裝置有效
| 申請號: | 201711002297.5 | 申請日: | 2017-10-24 |
| 公開(公告)號: | CN107993714B | 公開(公告)日: | 2020-11-13 |
| 發明(設計)人: | 宋明;蔣田仔 | 申請(專利權)人: | 中國科學院自動化研究所 |
| 主分類號: | G16H50/20 | 分類號: | G16H50/20;G06K9/62;G06T5/00;G06T7/00 |
| 代理公司: | 北京市恒有知識產權代理事務所(普通合伙) 11576 | 代理人: | 郭文浩 |
| 地址: | 100080 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 人腦 意識 狀態 預測 裝置 | ||
1.一種人腦意識狀態預測裝置,其特征在于,所述裝置包括意識狀態預測模型,其配置為依據人腦的影像學特征及對應的臨床信息,預測人腦的意識狀態;所述意識狀態預測模型包括影像學特征計算模塊、影像學特征篩選模塊、影像學特征處理模塊和模型訓練模塊;
所述影像學特征計算模塊,配置為依據預設訓練集內的靜息功能磁共振影像,計算影像學特征;所述影像學特征包括第一特征和第二特征,且所述第一特征為患者全腦功能連接與標準腦功能連接之間的空間相似性,所述第二特征為患者靜息功能磁共振影像內預設腦區種子點的功能連接;
所述影像學特征篩選模塊,配置為依據意識障礙預后指標對所述影像學特征進行篩選;所述意識障礙預后指標為所述預設訓練集內患者預后對應的意識障礙昏迷量表評分;
所述影像學特征處理模塊,配置為將所述影像學特征篩選模塊篩選得到的影像學特征和所述預設訓練集內的臨床信息合并為特征向量;
所述模型訓練模塊,配置為依據所述特征向量對預設的偏最小二乘回歸模型進行訓練,得到最終的預測模型。
2.根據權利要求1所述的裝置,其特征在于,所述影像學特征計算模塊包括第一影像學特征計算單元和第二影像學特征計算單元;
所述第一影像學特征計算單元,配置為計算所述患者全腦功能連接與標準腦功能連接的第一皮爾遜相關系數,并以所述患者靜息功能磁共振影像內各預設腦區種子點對應的各第一皮爾遜相關系數作為第一特征;
所述第二影像學特征計算單元,配置為依據所述患者靜息功能磁共振影像內各預設腦區種子點的平均功能磁共振信號,計算任意兩個所述預設腦區種子點的第二皮爾遜相關系數,并以所述各預設腦區種子點對應的各第二皮爾遜相關系數作為第二特征。
3.根據權利要求1所述的裝置,其特征在于,所述影像學特征篩選模塊包括第一篩選單元和第二篩選單元;
所述第一篩選單元,配置為執行下述操作:
計算所述影像學特征與意識障礙預后指標的第三皮爾遜相關系數:
選取所述第三皮爾遜相關系數大于預設第一閾值的影像學特征;
所述第二篩選單元,配置為采用競爭性自適應重加權采樣算法和偏最小二乘算法,將經所述第一篩選單元選取得到的影像學特征中特征權重大于預設第二閾值的影像學特征,作為最終的影像學特征。
4.根據權利要求3所述的裝置,其特征在于,
所述預設的偏最小二乘回歸模型如下式所示:
Y=XB+B0
其中,所述X為包含影像學特征和臨床信息的特征向量,所述Y為意識障礙預后指標;所述B和B0分別為待估計的特征權重向量和待估計的偏置向量。
5.根據權利要求1-4任一項所述的裝置,其特征在于,
所述意識障礙昏迷量表評分包括格拉斯哥昏迷量表評分;
所述臨床信息包括患者的年齡、病因和病程;所述病因包括外傷性腦意識障礙、卒中性腦意識障礙和缺氧性腦意識障礙。
6.根據權利要求2所述的裝置,其特征在于,所述影像學特征計算模塊還包括第一影像處理單元;所述第一影像處理單元包括第一預處理子單元和患者腦功能連接計算子單元;
所述第一預處理子單元,配置為對所述預設訓練集內的患者靜息功能磁共振影像進行預處理;
所述患者腦功能連接計算單元,配置為依據經所述第一預處理子單元預處理后的患者靜息功能磁共振影像計算所述各預設腦區種子點的全腦功能連接,進而統計所有預設腦區種子點的全腦功能連接,得到患者腦功能連接。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國科學院自動化研究所,未經中國科學院自動化研究所許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711002297.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種基于云服務的耳鼻喉科超聲波治療儀
- 下一篇:智能生活督導方法及系統





