[發(fā)明專利]一種基于多任務學習的阿爾茨海默癥分類及預測系統(tǒng)有效
| 申請?zhí)枺?/td> | 202010188695.6 | 申請日: | 2020-03-17 |
| 公開(公告)號: | CN111488914B | 公開(公告)日: | 2020-12-25 |
| 發(fā)明(設計)人: | 李明磊;羅浩;李翔;李款;蔣宇辰;尹珅 | 申請(專利權)人: | 哈爾濱工業(yè)大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G16H50/20;G06N3/04;G06N3/08 |
| 代理公司: | 哈爾濱市松花江專利商標事務所 23109 | 代理人: | 時起磊 |
| 地址: | 150001 黑龍*** | 國省代碼: | 黑龍江;23 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 任務 學習 阿爾茨海默癥 分類 預測 系統(tǒng) | ||
一種基于多任務學習的阿爾茨海默癥分類及預測系統(tǒng),本發(fā)明涉及阿爾茨海默癥分類及預測系統(tǒng)。本發(fā)明的目的是為了解決現(xiàn)有阿爾茨海默癥分類系統(tǒng)不能判斷輕度認知障礙個體是否會向阿爾茨海默癥轉化的問題。圖像處理主模塊、臨床指標處理主模塊、神經(jīng)網(wǎng)絡主模塊、訓練主模塊和檢測主模塊;所述圖像處理主模塊用于采集頭部圖像,對采集的頭部圖像進行預處理,獲得預處理后的圖像,并將預處理后圖像輸入訓練主模塊和檢測主模塊;所述臨床指標處理主模塊用于選定臨床指標,獲取臨床指標的特征向量,并將臨床指標的特征向量輸入訓練主模塊和檢測主模塊;所述神經(jīng)網(wǎng)絡主模塊用于搭建阿爾茨海默癥分類及預測模型。本發(fā)明用于智能醫(yī)療檢測技術領域。
技術領域
本發(fā)明屬于智能醫(yī)療檢測技術領域,具體涉及一種阿爾茨海默癥分類及預測系統(tǒng)。
背景技術
阿爾茨海默癥(Alzheimer’s Disease,AD)是一種慢性神經(jīng)退行性疾病,是繼心腦血管疾病、癌癥之后的又一重大健康威脅。阿爾茨海默癥是由與記憶相關的大腦區(qū)域神經(jīng)細胞的損壞引發(fā)的,其癥狀主要體現(xiàn)在記憶障礙上。輕度認知障礙(Mild CognitiveImpairment,MCI)是正常狀態(tài)與阿爾茨海默癥之間的過渡狀態(tài),其流行度為阿爾茨海默癥的四倍,但引起的記憶缺陷相對于阿爾茨海默癥較輕。每年大約有10%到16%輕度認知障礙人群轉化為阿爾茨海默癥。因此,輕度認知障礙的早期診斷和干預在降低阿爾茨海默癥的發(fā)病率中起著重要作用。
由于該疾病的特殊性,大多數(shù)阿爾茨海默癥的病因仍然未知。目前阿爾茨海默癥通常是根據(jù)患者的醫(yī)學影像和臨床評估指標進行診斷的。常用來診斷阿爾茨海默癥的醫(yī)學影像包括計算機斷層掃描(CT)、磁共振成像(MRI)或正電子發(fā)射斷層掃描(PET),通過觀察腦部區(qū)域形態(tài)變化,可幫助診斷阿爾茨海默癥和排除其他腦部疾病或癡呆的亞型。臨床評估指標中,如腦脊液(CSF)中的β-淀粉樣蛋白和tau蛋白含量等生物標志物,也可用于解釋疾病的原因;此外,包括記憶力測試在內的智力功能評估可以進一步表征阿爾茨海默癥的狀態(tài),在一定程度上可以提高阿爾茨海默癥診斷的準確率。
磁共振成像可以在同一掃描過程中提供關于大腦結構和功能的多模態(tài)信息,基于此原因,深度學習在計算機輔助診斷阿爾茨海默癥和輕度認知障礙中有著突出的效果。其主要是用于區(qū)分阿爾茨海默癥患者(AD)和健康個體(CN)。更重要且更具挑戰(zhàn)性的是區(qū)分穩(wěn)定的輕度認知障礙(stable MCI,sMCI)和向阿爾茨海默癥轉化的輕度認知障礙(progressMCI,pMCI),也即預測輕度認知障礙向阿爾茨海默癥的轉化。常用的方法包括提取3D醫(yī)學成像的特征,通過數(shù)十個感興趣的分段區(qū)域(ROI)進行醫(yī)學成像的分析和疾病分類;或將大腦圖像分為多個標志物,如海馬體、內嗅皮層、顳中回等,再根據(jù)其形態(tài)和大小對疾病分類;或在整個大腦圖像中均勻提取多個局部3D補丁,通過3D深度神經(jīng)網(wǎng)絡將圖像補丁轉換為緊湊的區(qū)分特征從而完成分類;或將大腦從冠狀面、失狀面、軸狀面進行切片,通過2D深度神經(jīng)網(wǎng)絡完成特征提取分類。然而這些方法存在許多問題:
1)腦部醫(yī)學影像維度高且由于拍攝角度、成像器械、患者差異等具有高噪聲,因此對其建模難度高,而且ROI區(qū)域和標志物的提取標定需要一定的先驗知識,這極大的限制了任務的進展速度。
2)大型的3D深度神經(jīng)網(wǎng)絡參數(shù)量較高,可能會導致過擬合;而對腦部圖像進行切片的做法雖然降低了計算資源的占用,但其破壞了3D圖像的空間聯(lián)系,必然造成信息丟失、分類不準確等問題。
3)僅使用醫(yī)學影像診斷或預測阿爾茨海默癥顯然不符合臨床診斷的實際,應當考慮到人口統(tǒng)計學信息、基因信息、神經(jīng)心理學測試等臨床指標。
4)輕度認知障礙向阿爾茨海默癥轉化是一個時間過程,僅使用基線數(shù)據(jù),即患者初次診斷的數(shù)據(jù)難以確診疾病或預測疾病的走向,應當考慮縱向數(shù)據(jù),即患者每隔一段時間再次觀測的數(shù)據(jù),提高診斷和預測的效果。
發(fā)明內容
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哈爾濱工業(yè)大學,未經(jīng)哈爾濱工業(yè)大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010188695.6/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





