[發(fā)明專利]一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法及設(shè)備

在審

• 申請?zhí)枺?/td>: 202310114729.0
• 申請日: 2023-02-13
• 公開（公告）號: CN116153500A
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計）人: 江文靜;劉建鑫;李海云;馬俊
• 申請（專利權(quán)）人: 山東大學(xué)齊魯醫(yī)院
• 主分類號: G16H50/20
• 分類號: G16H50/20;A61B5/00;G06F18/214;G06F18/24;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京君慧知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11716
• 代理人: 董延麗

本發(fā)明公開了一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法及設(shè)備，屬于深度學(xué)習(xí)技術(shù)領(lǐng)域，用于解決現(xiàn)有的螺旋圖數(shù)據(jù)采集方法采集的信息較少，并且無法為醫(yī)生提供可靠的診斷依據(jù)，不利于帕金森病的診斷的技術(shù)問題。方法包括：基于卷積神經(jīng)網(wǎng)絡(luò)，搭建螺旋圖數(shù)據(jù)分析模型；對預(yù)先采集的批量訓(xùn)練數(shù)據(jù)進行對齊操作，得到訓(xùn)練集，并通過所述訓(xùn)練集訓(xùn)練所述螺旋圖數(shù)據(jù)分析模型；通過數(shù)據(jù)采集設(shè)備，采集患者繪制螺旋圖產(chǎn)生的原始螺旋圖數(shù)據(jù)；對所述原始螺旋圖數(shù)據(jù)進行預(yù)處理，得到標準螺旋圖數(shù)據(jù)；將所述標準螺旋圖數(shù)據(jù)輸入訓(xùn)練好的所述螺旋圖數(shù)據(jù)分析模型，得到所述患者的輔助診斷結(jié)果。為醫(yī)生提供了準確的診斷依據(jù)，提高了帕金森病的診斷效率。

技術(shù)領(lǐng)域

本申請涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法及設(shè)備。

背景技術(shù)

帕金森病是世界上第二大常見的神經(jīng)退行性疾病，患病人數(shù)約占65歲以上人群的2％。帕金森病的特點是中腦多巴胺能神經(jīng)元的進行性喪失，產(chǎn)生多種運動和非運動損傷。運動癥狀包括運動遲緩、僵直、靜息性震顫、微征和不同的語言障礙。非運動性癥狀包括抑郁、睡眠障礙、語言障礙等。運動障礙的程度和特點目前可以采用運動障礙學(xué)會發(fā)布的統(tǒng)一帕金森病評定量表(MDS-UPDRS)進行評估。

帕金森病的四個主要臨床表現(xiàn)為：靜止性震顫、強直、運動遲緩、姿勢不穩(wěn)定。通過對帕金森病的長期臨床研究發(fā)現(xiàn)，帕金森病使得－些熟練動作，如手寫活動變得困難，表現(xiàn)出各種障礙，如動作幅度降低、震顫、緩慢、遲疑、小寫癥等。阿基米德螺旋圖作為診斷帕金森病的一種行之有效的方法，通常作為醫(yī)生診斷帕金森病的第一步。

螺旋線圖形的繪畫任務(wù)，在帕金森病的手寫運動分析中被廣泛使用。螺旋線任務(wù)的幾何特征、壓力特征、波動特征等曾被研究人員用于作為評價患者病情嚴重程度的指標，并逐步推廣到其他的神經(jīng)性運動障礙疾病的評估研究中。該任務(wù)要求實驗對象從內(nèi)而外的繪制圖形，繪制區(qū)域不做限制。然而現(xiàn)有的螺旋圖繪制大多仍然依托于實體的圖紙，圖紙中能夠體現(xiàn)出的信息很少，不利于醫(yī)生的診斷。并且對于螺旋圖數(shù)據(jù)的分析過于依靠醫(yī)生的主觀判斷，存在誤判的可能。

發(fā)明內(nèi)容

本申請實施例提供了一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法及設(shè)備，用于解決如下技術(shù)問題：現(xiàn)有的螺旋圖數(shù)據(jù)采集方法采集的信息較少，并且無法為醫(yī)生提供可靠的診斷依據(jù)，不利于帕金森病的診斷。

本申請實施例采用下述技術(shù)方案：

一方面，本申請實施例提供了一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，所述方法包括：基于卷積神經(jīng)網(wǎng)絡(luò)，搭建螺旋圖數(shù)據(jù)分析模型；對預(yù)先采集的批量訓(xùn)練數(shù)據(jù)進行對齊操作，得到訓(xùn)練集，并通過所述訓(xùn)練集訓(xùn)練所述螺旋圖數(shù)據(jù)分析模型；通過數(shù)據(jù)采集設(shè)備，采集患者繪制螺旋圖產(chǎn)生的原始螺旋圖數(shù)據(jù)；對所述原始螺旋圖數(shù)據(jù)進行預(yù)處理，得到標準螺旋圖數(shù)據(jù)；將所述標準螺旋圖數(shù)據(jù)輸入訓(xùn)練好的所述螺旋圖數(shù)據(jù)分析模型，得到所述患者的輔助診斷結(jié)果。

在一種可行的實施方式中，基于卷積神經(jīng)網(wǎng)絡(luò)，搭建螺旋圖數(shù)據(jù)分析模型，具體包括：將一個一維卷積層、一個一維批歸一化層以及一個一維最大池化層構(gòu)建為輸入層；將一個一維卷積層、一個一維批歸一化層、一個激活函數(shù)以及一個最大池化層組成一個基礎(chǔ)卷積塊，并將五個所述基礎(chǔ)卷積塊依次連接，構(gòu)建卷積池化層；將一個卷積層以及一個自適應(yīng)平均池化層構(gòu)建為自適應(yīng)平均池化層；將兩個全連接層以及一個隨機失活層構(gòu)建為分類層；將所述輸入層、所述卷積池化層、所述自適應(yīng)平均池化層以及所述分類層依次連接，構(gòu)成所述螺旋圖數(shù)據(jù)分析模型。

在一種可行的實施方式中，對預(yù)先采集的批量訓(xùn)練數(shù)據(jù)進行對齊操作，得到訓(xùn)練集，具體包括：針對不同的病癥標簽，分別采集對應(yīng)的批量螺旋圖數(shù)據(jù)，得到所述批量訓(xùn)練數(shù)據(jù)；確定所述批量訓(xùn)練數(shù)據(jù)中訓(xùn)練數(shù)據(jù)的最短數(shù)據(jù)長度；將每條訓(xùn)練數(shù)據(jù)中，長度超過所述最短數(shù)據(jù)長度的部分統(tǒng)一進行裁剪，完成所述對齊操作；將裁剪后的訓(xùn)練數(shù)據(jù)存入所述訓(xùn)練集。