[发明专利]一种基于磁共振图像的帕金森病的智能诊断系统在审

专利信息
申请号: 202110362005.9 申请日: 2021-04-02
公开(公告)号: CN113012142A 公开(公告)日: 2021-06-22
发明(设计)人: 刘翼鹏;赵珩伶;周鸣一;张衷豪;刘鑫;朱策 申请(专利权)人: 电子科技大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/136;G06N3/04;G06N3/08
代理公司: 电子科技大学专利中心 51203 代理人: 周刘英
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 磁共振 图像 帕金森病 智能 诊断 系统
【权利要求书】:

1.一种基于磁共振图像的帕金森病的智能诊断系统,其特征在于,包括:子区域划分单元、设置单元、检测单元、计算单元和输出单元,

其中,子区域划分单元基于预设的脑区模板对输入的当前待诊断对象的磁共振图像进行脑区划分,基于脑区划分结果得到脑区集;去除所述脑区集中小脑对应的脑区,得到子区域集并发送至检测单元;

设置单元用于设置有效子区域及其权重,并将有效子区域的设置信息发送至检测单元,以及将有效子区域权重的设置信息发送至计算单元;

检测单元包括选择子单元和多个神经网络模型,所述选择子单元用于对子区域集中的各有效子区域进行神经网络模型匹配:基于有效子区域的图像大小分配对应的神经网络模型,所述神经网络模型用于识别所输入的子区域的帕金森病类别概率,且神经网络模型的层数与输入的子区域的图像大小正相关;所述检测单元将每个有效子区域的帕金森病类别概率发送至计算单元;

计算单元基于每个有效子区域的权重与帕金森病类别概率进行加权平均,得到最终的检测值,并将所述检测值与预置的阈值进行比较,若大于则表示患病,得到当前待诊断对象的帕金森病诊断结果并发送至输出单元;

所述输出单元用于对帕金森病诊断结果进行可视化的输出显示。

2.如权利要求1所述的系统,其特征在于,所述检测单元中设置的各神经网络模型的网络结构包括:顺次连接的至少一个卷积块、至少一层全连接层和一层回归分类层;其中卷积块包括顺次连接的卷积层和最大池化层。

3.如权利要求1所述的系统,其特征在于,所述设置单元设置有效子区域的设置方式包括:

设置训练数据集,各训练数据包括子区域集、是否患病的标签;

将训练数据的子区域集输入至检测单元,设置单元向检测单元发起训练触发指令,以触发检测单元的选择子单元为当前输入的子区域分配对应的神经网络模型,基于神经网络模型的输出得到当前子区域的类别概率值并返回给设置单元;

设置单元对每个子区域的类别概率值进行二值化处理后,得到每个子区域的类别二值化值Tn,并基于每个子区域的权重AUCn得到每个子区域的最终分数Sn=Tn×AUCn,其中,n表示子区域标识符;

将m个子区域组合下的组合得分设置为其中,Am,n表示子区域n是否被当前区域组合m选中的表征值,若子区域被选中,则Am,n=1;否则Am,n=0,m为正整数;并通过选取最优子区域组合得到有效子区域的设置结果。

4.如权利要求3所述的系统,其特征在于,每个子区域的权重AUCn为:交叉验证方法得到的当前子区域经匹配的卷积神经网络模型的输出的ROC曲线下的面积的值。

5.如权利要求3所述的系统,其特征在于,选取最优子区域组合得到有效子区域的设置结果时,采用选择性堆叠方式选取最优子区域组合。

6.如权利要求1所述的系统,其特征在于,所述设置单元还将得到的每个子区域的权重通过输出单元进行输出显示。

7.如权利要求1所述的系统,其特征在于,所述子区域划分单元还包括数据选择单元,用于用户选择磁共振图像的数据类型,并将用户选择信息发送给输出单元,以在输出显示结果时呈现对应的数据类型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110362005.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top