[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

说明书

本发明公开了一种基于磁共振图像的帕金森病的智能诊断系统，属于医学图像处理技术领域。本发明的诊断系统为：磁共振图像输入子区域划分单元，得到对应的子区域集；检测单元基于设置单元设置的有效子区域得到对应的有效子区域数据，并将各个有效子区分配至对应的神经网络模型得出相应的诊断结果，计算单元基于设置单元对各有效子区域的权重设置，计算对应的加权平均并作为最终的诊断结果，通过阈值划分患病与否：诊断结果大于阈值表示患病，小于阈值表示健康，并通过输出单元进行输出显示。本发明基于磁共振图像具有空间分辨率高，包含功能性信息的特点，实现了一种基于磁共振图像深度学习的帕金森病的智能化诊断方案，提升了诊断效率。

技术领域

本发明属于基于神经网络的医学图像处理技术领域，尤其涉及一种基于磁共振图像的帕金森病的智能诊断系统。

背景技术

帕金森病(Parkinson’s disease,帕金森病)是一种常见的老年神经性疾病，越早诊断出患病，便能越早对患者进行干预(例如使用药物治疗可以有效控制症状)。目前对帕金森病人的诊断主要途径是：医生依据病人的临床表现，配合医学上公认的诊断标准来做出疾病的诊断。早期的帕金森氏症的临床诊断中，在尚未治疗的病人或对药物反应不佳的病人中，诊断的准确率不超过26％。即使对药物反应良好，准确率也仅有53％。除了早期诊断准确率不高这个缺点外，这些诊断方法也需要大量的医生资源，并且医生水平也参差不齐。如果潜在患者没有及时来到医院检查或者患者所在地区的医疗条件不佳，则很有可能不能及时确诊从而错过最佳的治疗时期。

目前诊断帕金森病的方法主要为医生诊断——医生依据病人的临床表现，配合医学上公认的诊断标准来做出疾病的诊断，这一类方法会花费大量时间，并且依赖于医生的水平。在一些医疗资源不足的地区，患者不能及时确诊而耽误最佳治疗时间。

发明内容

本发明实施例提供了一种基于磁共振图像的帕金森病的智能诊断系统，可用于实现对帕金森病的智能化诊断，以提升诊断效率。

本发明实施例提供了一种基于磁共振图像的帕金森病的智能诊断系统，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。

在一种可能实现方式中，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。

在一种可能实现方式中，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；