[發明專利]疾病輔助診斷方法及裝置

在審

• 申請號: 201910228369.0
• 申請日: 2019-03-25
• 公開（公告）號: CN109820507A
• 公開（公告）日: 2019-05-31
• 發明（設計）人: 鐘霽媛;劉凌;嚴明
• 申請（專利權）人: 鐘霽媛
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 郭俊霞

1.一種疾病輔助診斷方法，其特征在于，所述方法包括：

獲取待診斷功能磁共振成像fMRI數據；

將待診斷fMRI數據輸入預先訓練好的混合神經網絡中進行疾病預測，得到所述待診斷fMRI數據對應的輔助診斷結果；

當所述輔助診斷結果為患病時，基于所述混合神經網絡確定出所述待診斷fMRI數據對應的患病區域可視圖。

2.如權利要求1所述的方法，其特征在于，所述混合神經網絡包括深度卷積神經網絡和長短時記憶網絡；

所述將待診斷fMRI數據輸入預先訓練好的混合神經網絡中進行疾病預測，得到所述待診斷fMRI數據對應的輔助診斷結果的步驟，包括：

將所述待診斷fMRI數據輸入所述混合神經網絡，利用所述深度卷積神經網絡提取所述待診斷fMRI數據中的空間維度特征；

將獲得的所述空間維度特征輸入所述長短時記憶網絡，利用所述長短時記憶網絡對所述空間維度特征進行時間維度的迭代計算，得到所述輔助診斷結果。

3.如權利要求1所述的方法，其特征在于，所述當所述輔助診斷結果為患病時，基于所述混合神經網絡確定出所述待診斷fMRI數據對應的患病區域可視圖的步驟，包括：

當所述輔助診斷結果為患病時，獲取疾病預測過程中所述混合神經網絡每一層的輸出特征圖；

對所述每一層的輸出特征圖均進行最大化激活處理得到對應的激活圖；

計算所有激活圖在時間維度中的均值，并基于得到的計算結果在原始fMRI圖像中標記出患病區域，得到所述患病區域可視圖。

4.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲取磁共振掃描儀采集的待診斷fMRI圖像，并將所述待診斷fMRI圖像轉換為數據矩陣格式，得到待診斷fMRI數據。

5.如權利要求1所述的方法，其特征在于，采用下述方式得到訓練好的混合神經網絡：

獲取多個fMRI訓練樣本及每個所述fMRI訓練樣本的樣本標簽；

基于所述fMRI訓練樣本及所述fMRI訓練樣本的樣本標簽，對構建的混合神經網絡進行訓練；

對訓練后的混合神經網絡進行評估，得到評估結果；

依據所述評估結果判斷混合神經網絡是否達到預設條件，并在所述混合神經網絡達到預設條件時，得到訓練好的混合神經網絡。

6.如權利要求5所述的方法，其特征在于，所述混合神經網絡為

其中，x_i為fMRI訓練樣本，為所述混合神經網絡中第l層的參數；y為所述混合神經網絡對fMRI訓練樣本x_i的預測結果。

7.如權利要求5所述的方法，其特征在于，所述獲取多個fMRI訓練樣本的步驟，包括：

獲取磁共振掃描儀采集的多個原始fMRI圖像，并將每個原始fMRI圖像均轉換為數據矩陣格式，得到多個fMRI數據；

將多個fMRI數據的空間分辨率進行統一，使得每個fMRI數據的時間維度相同；

對每個fMRI數據的顏色空間進行歸一化，得到多個fMRI訓練樣本。

8.如權利要求5所述的方法，其特征在于，所述基于所述fMRI訓練樣本及所述fMRI訓練樣本的樣本標簽，對構建的混合神經網絡進行訓練的步驟，包括：

將所述fMRI訓練樣本輸入所述混合神經網絡，利用所述混合神經網絡的深度卷積神經網絡提取所述fMRI訓練樣本中的空間維度特征；

將獲得的所述空間維度特征輸入所述混合神經網絡的長短時記憶網絡，利用所述長短時記憶網絡對所述空間維度特征進行時間維度的迭代計算，得到所述fMRI訓練樣本的預測結果；

依據所述fMRI訓練樣本的預測結果和樣本標簽，對所述混合神經網絡進行參數更新。