[发明专利]一种双模态影像的脑龄预测方法在审

专利信息
申请号: 202310208710.2 申请日: 2023-03-07
公开(公告)号: CN116051545A 公开(公告)日: 2023-05-02
发明(设计)人: 田梅;薛乐;柴宇;付钰;张文博 申请(专利权)人: 复旦大学
主分类号: G06T7/00 分类号: G06T7/00;G06V10/80;G06V10/82;G06N3/0464;G06N3/0495;G06N3/047;G06N3/048;G06N3/08;G06N3/084
代理公司: 北京象合知识产权代理事务所(普通合伙) 11893 代理人: 封明艳
地址: 200082 *** 国省代码: 上海;31
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 双模 影像 预测 方法
【说明书】:

发明涉及生物医学技术领域,进一步涉及影像处理、医学影像处理,具体涉及一种双模态影像的脑龄预测方法,主要提供一种双模态特征融合方法,所述双模态为MRI与PET两种医学影像;所述特征融合是基于3D卷积神经网络方法获得,包括如下步骤:S01使用两个3D卷积神经网络作为骨干网络来提取PET和MRI影像的特征;S02将两条骨干网络提取出的MRI与PET影像的特征在通道维度拼接,然后输入到压缩激励模块(Squeeze‑and‑ExcitationNetworks);S03将激励部分的输出结果和原始的特征图相乘,得到融合通道注意力信息的特征,获得双模态特征的融合特征图。本发明基于融合MRI与PET双模态脑影像进行脑龄预测,有效保留了影像的空间信息,相较于传统的单模态影像脑龄预测方法,更为全面反映了大脑衰老过程中的变化,从而显著提升了脑龄预测精度。

技术领域

本发明涉及生物医学技术领域,进一步涉及影像处理、医学影像处理,具体涉及一种基于PET与MRI双模态脑影像的深度学习脑龄预测方法。

背景技术

大脑是主宰人类活动、思考、记忆、决策等能力的重要部分。随着年龄增长脑部功能也跟身体其它器官的功能一样,出现衰老甚至病变。大脑的衰老主要表现为神经细胞数量和信息传递通路的减少以及信息传递效率的降低。记忆力减退是大脑衰老最明显的表现,还可能出现认知与理解能力下降,计算能力下降,精神状态、性格的变化等。然而,衰老过程有很大的个体差异,每个人出现的衰老表现不同,衰老的程度也不完全相同。不过,研究表明每个个体的大脑的整体体积都会随着年龄的增长而减小(Allen等,2006)。除了正常衰老过程引起的结构变化,过度的功能衰退和神经退行性疾病或许会导致大脑形态发生异常(Peters.2006)。

大脑年龄(BrainAge,BA),也称脑龄(EBioMedicine 72(2021)103600),是评估大脑健康的一个重要指标,脑龄的异常通常反映认知损伤或者神经退行性疾病的风险,可以作为大脑衰老的潜在生物标志。脑龄偏差(BrainAge GAP,BAG),即预测年龄与实际年龄(生理年龄)之间的差值,可以反映大脑加速衰老或者延缓衰老的情况。在神经科学领域,“大脑年龄”与“脑龄偏差”作为一种生物标志被越来越多的研究者关注。健康正常人的大脑年龄应与实际年龄非常接近,若出现脑龄大于被试的实际年龄的情况,则说明该被试大脑出现异常,其大脑内部可能出现了加速衰老的异常病变。

磁共振成像(Magnetic Resonance Imaging,MRI)作为一种新兴的医学成像技术,具有分辨率高、信息丰富以及无电离辐射损伤等优点,受到广大研究者的青睐。磁共振成像技术将原子核在磁场内共振所产生的信号进行了重建处理进而最终成像。近年来,MRI发展十分迅速,已日臻成熟完善,应用范围也日益广泛,成为一项常规的医学检测技术,广泛应用于帕金森氏症、多发性硬化症、颈椎病以及癌变的治疗和诊断。结构磁共振显示,大脑衰老与灰质体积的减少有关,最明显的脑区包括额叶、岛叶和海马等区域。

正电子发射断层扫描(Positron emission tomography,PET)是目前国际上最尖端的医学影像诊断设备之一,也是目前在细胞分子水平上进行人体功能代谢显像最先进的医学影像技术。PET可以从体外对人体内的代谢物质或药物的变化进行定量、动态的检测,成为诊断和指导治疗各种恶性肿瘤、冠心病和脑部疾病的最佳方法。PET在临床医学的应用主要集中于恶性肿瘤、神经系统、心血管系统三个领域。PET显示,大脑衰老与大脑葡萄糖利用率降低有关,最明显的脑区包括额叶、后扣带回、顶叶后叶等区域。

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复旦大学,未经复旦大学许可,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/202310208710.2/2.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