[发明专利]一种面向MRI影像的帕金森病智能诊断分析方法

说明书

本发明公开了一种面向MRI影像的帕金森病智能诊断分析方法，首先读取医学影像数据，通过文件选择器选择DICOM文件或者DaT文件，软件在获取到选定的文件之后，开启文件处理线程，获取医学影像数据的体素、空间间距、窗宽窗位等信息，并进行可视化展示；然后进行病灶区域检测模块，使用YOLO v5模型对病灶区域进行检测，输出患病风险分数和病灶区域，并进行可视化展示；最后对病灶区域分割，细化DaT图像特征，使用U‑Net网络对纹状体区域进行分割，将特征区域分为右侧黑质更加精确定位到病变区域，并进行可视化展示。本发明减少了计算量并提升了速度，从而辅助医生更精准地完成病情诊断。

技术领域

本发明属于生物医电技术领域，具体涉及一种帕金森病智能诊断分析方法。

背景技术

磁共振成像(Magnetic Resonance Imaging,MRI)是断层成像的一种。新的MRI方法磁敏感加权成像(SWI)可以量化磁化率来直观表现组织的铁含量，而越来越强大的数学方法可以在系统级别表征大脑网络的拓扑结构。

帕金森病早发现早治疗能够提高患者生活质量，延缓疾病发展，具有重大现实意义。脑部功能性磁共振的发展对包括帕金森病在内的退行性病变部位的检测变得更加敏感和直观，为临床提供重要的诊断依据，对于帕金森病的早诊断早治疗极为重要。因为PD的早期临床表现不明显，其漏诊率和误诊率较高，随着近几年医学影像技术的不断发展，许多研究表明影像学运用于PD的诊断中具有特征性的改变，且已经成为PD必不可少的辅助检查方法。新的MRI方法磁敏感加权成像(SWI)可以量化磁化率来直观表现组织的铁含量，而越来越强大的数学方法可以在系统级别表征大脑网络的拓扑结构，这种新方法在帕金森的早期诊断方面正在越来越受关注。

但是应用于MRI图像PD诊断方面仍存在很多问题。(1)医院使用的用于诊断和治疗的脑部MRI医学图像分辨率和对比度较低，难以捕捉病灶区域特征间细微差异；(2)PD患者的MRI图像中的病灶区域相较于其他脑部疾病更小，病变更为不明显。(3)PD患者的MRI影像数据稀缺，较难收集，有标注的PD患者数据更为珍贵。因此使用现有模型对MRI图像进行分类和检测，得到的分类结果较差，标注的病灶区域不准确，导致模型诊断PD的置信度较低。

现有技术简介：

张晓博,张哲浩,李伟.一种MRI图像的帕金森病分类及标注病灶区域的方法[P].四川省：CN113269774B,2022-04-26.

该发明公开了一种MRI图像的帕金森病分类及标注病灶区域的方法,包括步骤：构造MRI图像的PD分类模型；构造PD病灶标注模型；使用MRI图像的PD分类模型，对待测MRI图像进行分类；对分类确定为PDMRI图像或者PD潜伏期MRI图像，使用PD病灶标注模型标注出病灶区域。其中，构造MRI图像的PD分类模型，包括构造分类模块和将训练集输入分类模块，并通过反向传播更新网络参数，得到MRI图像分类模型的步骤。本发明的有益效果在于：使用先分类后标注的方法，提高分类模型准确率的基础上使得对病灶区域的定位更加准确和有效，同时避免了不必要的训练,大大提高了训练效率,使得模型鲁棒性更强。

PD患者的MRI图像中的病灶区域相较于其他脑部疾病更小，病变特征不明显，传统像素标注难以捕捉细微差异，且难以对小的病灶区域精确定位。

近年来，大数据和人工智能等前沿技术在逐渐应用到医疗领域，而随着深度神经网络、三维可视化技术等的兴起，医学影像新技术与人工智能技术相结合用于更多的医疗辅助诊断与评估。特别是，近年来在人工智能领域兴起的深度学习技术，通过构建具有深层结构的神经网络自动学习样本数据内在规律和表示层次以实现抽象特征建模，具有更深层次结构与更强大的特征拟合能力，无需先验知识来设计特征，实现完全自动化的目标检测与识别，在计算机视觉领域等有着广泛的应用。将人工智能应用于帕金森病的评价诊断中，对于帕金森病的早诊断、早治疗、改善患者生活质量、减少经济负担等方面，具有重大理论意义和现实价值。

发明内容