[發(fā)明專利]腦圖像分析方法、計算機設(shè)備和可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910374538.1
• 申請日: 2019-05-07
• 公開（公告）號: CN110189302B
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計）人: 邢瀟丹;石峰;詹翊強
• 申請（專利權(quán)）人: 上海聯(lián)影智能醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G16H30/20
• 代理公司: 北京華進京聯(lián)知識產(chǎn)權(quán)代理有限公司 11606
• 代理人: 朱五云;哈達

1.一種腦圖像分析方法，其特征在于，所述方法包括：

接收腦結(jié)構(gòu)圖像，從所述腦結(jié)構(gòu)圖像中提取各腦區(qū)的特征信息作為節(jié)點特征；

接收腦功能圖像，按照預設(shè)的時間間隔，從所述腦功能圖像中提取各所述腦區(qū)間的多個功能連接信息作為節(jié)點間的連接；

將所述節(jié)點特征和所述節(jié)點間的連接構(gòu)建成動態(tài)圖特性矩陣；

將所述動態(tài)圖特性矩陣輸入圖網(wǎng)絡(luò)模型，得到分析結(jié)果，其中，所述圖網(wǎng)絡(luò)模型為樣本腦結(jié)構(gòu)圖像和樣本腦功能圖像構(gòu)建的樣本圖特性矩陣，輸入圖網(wǎng)絡(luò)中訓練得到的模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖網(wǎng)絡(luò)包括基于圖的神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述圖網(wǎng)絡(luò)為譜域圖網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述圖網(wǎng)絡(luò)為長短期記憶網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖網(wǎng)絡(luò)模型的訓練過程包括：

從所述樣本腦結(jié)構(gòu)圖像中提取各腦區(qū)的特征信息作為樣本節(jié)點特征；

從所述樣本腦功能圖像中提取各所述腦區(qū)間的功能連接信息作為樣本節(jié)點間的連接；

將所述樣本節(jié)點特征和所述樣本節(jié)點間的連接構(gòu)建成樣本圖特性矩陣；

將所述樣本圖特性矩陣輸入所述圖網(wǎng)絡(luò)進行訓練，得到所述圖網(wǎng)絡(luò)模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述從所述樣本腦功能圖像中提取各所述腦區(qū)間的功能連接信息作為所述樣本節(jié)點間的連接，包括：

按照預設(shè)的時間間隔，從所述樣本腦功能圖像中提取多個功能連接信息作為所述樣本節(jié)點間的連接。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將所述樣本節(jié)點特征和所述樣本節(jié)點間的連接構(gòu)建成樣本圖特性矩陣，包括：

將所述樣本節(jié)點特征和所述樣本節(jié)點間的連接構(gòu)建成樣本動態(tài)圖特性矩陣；

所述將所述樣本圖特性矩陣輸入所述圖網(wǎng)絡(luò)進行訓練，得到所述圖網(wǎng)絡(luò)模型，包括：

將所述樣本動態(tài)圖特性矩陣輸入初始長短期記憶網(wǎng)絡(luò)進行訓練，得到所述圖網(wǎng)絡(luò)模型。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述腦功能圖像中提取各所述腦區(qū)間的多個功能連接信息作為節(jié)點間的連接，包括：使用滑動窗口算法，從所述腦功能圖像中提取各所述腦區(qū)間的多個功能連接信息作為節(jié)點間的連接。

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1-8中任一項所述方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-8中任一項所述方法的步驟。