[发明专利]基于表面形态学测量的认知障碍辅助诊断系统

说明书

本发明公开了基于表面形态学测量的认知障碍辅助诊断系统，包括：获取模块，其被配置为：获取待诊断的脑部图像；预处理模块，其被配置为：对待诊断的脑部图像进行校正和去噪处理；表面创建模块，其被配置为：基于预处理结果，重建大脑皮层表面；特征提取模块，其被配置为：基于表面形态学测量，在重建后的大脑皮层表面的每个顶点处提取若干个特征；辅助诊断模块，其被配置为：将所提取的特征进行融合后，将融合特征输入到训练后的分类器中，输出认知障碍辅助诊断结果。基于对原始sMRI图像预处理进行基于表面的形态学测量分析，从而得到大脑的四种皮层指标，运用一款基于决策树算法的分布式梯度提升框架进行预测分析与分类。

技术领域

本发明涉及人工智能及医学图像技术领域，特别是涉及基于表面形态学测量的认知障碍辅助诊断系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

阿尔茨海默病(AD，Alzheimer’s disease)是一种以记忆丧失和多重认知障碍为特征的进行性神经退行性疾病。目前，试图在疾病成熟阶段治疗或改变疾病进程的尝试大多不成功，包括那些旨在预防或减缓从较轻阶段的全面痴呆进展的尝试。这些试验失败的原因之一是，它们往往在疾病进展的太晚开始，在患者已被诊断为痴呆症之后然而，对AD患者的早期治疗干预可能延缓轻度认知障碍(MCI，mild cognitive impairment)的进展，从而降低与长期护理相关的费用。此外，MCI转化为痴呆的年率高达20％，当进行疾病修饰药物的大规模试验时，准确的预测可能会减少选择药物试验对象的相关成本。因此，需要提高AD诊断和预测能力的方法。

目前的研究基本都是对灰度图像的基于体素的形态学测量分析(VBM，Voxel-based Morphometry)，仅使用体素强度作为特征，或仅使用影像组学特征、各脑区体积作为特征进行分析预测，特征单一，表达信息欠缺。相关大脑研究人员发现，针对有些大脑认知问题用目前VBM萎缩，形变的原因很难解释，因为VBM可能是由大脑皮层中的皮层厚度、表面积、体积和折叠的差异或这些指标的任何组合造成的。也就是说，VBM这样的经典形态测量方法使用图像强度来提供表观灰质密度或体积的综合测量，但它们无法分离皮层这种变化的几何基础，即局部灰质密度的变化可能是由于厚度的区域变化，或仅由表面积、褶皱、沟深、皮层厚度、复杂度，或这些指标的某种相关组合。但目前的研究对皮层指标的分析很少。

发明内容

为了解决现有技术的不足，本发明提供了基于表面形态学测量的认知障碍辅助诊断系统；基于对原始sMRI图像预处理进行基于表面的形态学测量分析(SBM，Surface-basedMorphometry)，从而得到大脑的四种皮层指标——皮层厚度、沟深、褶皱、皮层复杂度运用一款基于决策树算法的分布式梯度提升框架(LightGBM，Light Gradient BoostingMachine)进行预测分析与分类。

第一方面，本发明提供了基于表面形态学测量的认知障碍辅助诊断系统；

基于表面形态学测量的认知障碍辅助诊断系统，包括：

获取模块，其被配置为：获取待诊断的脑部图像；

预处理模块，其被配置为：对待诊断的脑部图像进行校正和去噪处理；

表面创建模块，其被配置为：基于预处理结果，重建大脑皮层表面；

特征提取模块，其被配置为：基于表面形态学测量，在重建后的大脑皮层表面的每个顶点处提取若干个特征；

辅助诊断模块，其被配置为：将所提取的特征进行融合后，将融合特征输入到训练后的分类器中，输出认知障碍辅助诊断结果。

第二方面，本发明还提供了一种电子设备，包括：

存储器，用于非暂时性存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，