【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及疾病檢測，特別是指一種用于腦皮質(zhì)微梗死的自動檢測方法、腦皮質(zhì)微梗死自動檢測裝置和檢測設(shè)備以及計算機可讀取存儲介質(zhì)。
技術(shù)介紹
1、腦皮質(zhì)微梗死（cortical?cerebral?microinfarcts,?cmis）是最廣泛的腦梗死類型，多見于老年人且與認知障礙和癡呆獨立相關(guān)。腦皮質(zhì)微梗死在血管性癡呆（vasculardementia，vad）和阿爾茨海默病（alzheimer’s?disease，ad）患者以及無癡呆老年人中的發(fā)生率分別為62%、43%、24%。
2、然而，受限于既往在體檢測手段，cmis在體研究尚處于初始階段，其病因和致殘機制仍未闡明，目前缺乏有效防治手段。
3、因此，明確cmis病因和致殘機制并采取針對性防治措施進而降低其發(fā)生率和致殘率是關(guān)鍵，這也是當(dāng)前面臨的挑戰(zhàn)。
4、cmis的臨床診斷標(biāo)準(zhǔn)為：
5、1、位置：局限于腦皮質(zhì)；
6、2、大小：0.5-4mm；
7、3、如附圖1所示的信號特征：t1序列低信號，?flair序列高信號，?dir序列高信號。
8、而在臨床中，對cmis的臨床診斷方法主要是依靠醫(yī)生對患者的mri圖像中的cmis病灶位置進行人工識別與標(biāo)記，該方法依賴于較高的專業(yè)水平和臨床經(jīng)驗，導(dǎo)致cmis的診斷結(jié)果存在一定的差異性。此外，醫(yī)生需要肉眼識別每一幅mri圖像，耗時耗力。上述痛點顯著限制了cmis的規(guī)范化診療速度和大樣本的高質(zhì)量研究，使得cmis研究進展緩慢，截止目前仍缺乏有效防治手段、致死
技術(shù)實現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)存在的技術(shù)問題，本專利技術(shù)實施例提供了如下技術(shù)方案：
2、一方面，提供了一種用于腦皮質(zhì)微梗死的自動檢測方法，該方法由檢測設(shè)備實現(xiàn)，該方法包括：
3、s1、獲取分別在mri掃描序列：t1、flair與dir序列下的頭顱mri圖像，并將所述頭顱mri圖像作為輸入、基于cnn模型訓(xùn)練構(gòu)建對應(yīng)的cmis識別模型；
4、s2、采集臨床患者的分別在mri掃描序列：t1、flair與dir下的腦皮質(zhì)頭顱mri圖像，并輸入所述cmis識別模型，利用所述cmis識別模型識別并輸出腦皮質(zhì)分別在t1、flair與dir下的腦皮質(zhì)mri掃描信號特征；
5、s3、將臨床患者的所述腦皮質(zhì)mri掃描信號特征與臨床診斷標(biāo)準(zhǔn)的cmis?信號特征進行比對，判斷臨床患者是否符合cmis，其臨床診斷標(biāo)準(zhǔn)如下：（1）位置：局限于腦皮質(zhì)；（2）大小：0.5-4mm；（3）、信號：t1低信號，?flair高信號，?dir高信號；
6、s4、若臨床患者的腦皮質(zhì)頭顱mri圖像上出現(xiàn)三種不同掃描序列下的腦皮質(zhì)mri掃描信號特征，則對各個輪廓位置所在的cmis病灶進行定位標(biāo)記，獲得對應(yīng)的cmis病灶區(qū)域：c1、c2和c3；
7、s5、基于空間配準(zhǔn)方法，對所述cmis病灶區(qū)域：c1、c2和c3進行配準(zhǔn)，確定臨床患者的cmis病灶并標(biāo)記在臨床患者的所述腦皮質(zhì)頭顱mri圖像上；
8、s6、輸出已標(biāo)記所述cmis病灶的所述腦皮質(zhì)頭顱mri圖像。
9、作為本專利技術(shù)的一種優(yōu)選實施方案，步驟s3中，在判斷臨床患者是否符合cmis之時，還包括：
10、若不符合，則進一步判斷所述腦皮質(zhì)mri掃描信號特征所匹配的所述臨床診斷標(biāo)準(zhǔn)的cmis信號特征的數(shù)量；
11、若無一所述腦皮質(zhì)mri掃描信號特征匹配所述臨床診斷標(biāo)準(zhǔn)的cmis?信號特征，則直接輸出所述腦皮質(zhì)頭顱mri圖像；
12、若有至少一個所述腦皮質(zhì)mri掃描信號特征匹配所述臨床診斷標(biāo)準(zhǔn)的cmis信號特征，則在臨床患者的所述腦皮質(zhì)頭顱mri圖像上標(biāo)記出所匹配的所述腦皮質(zhì)mri掃描信號特征的輪廓位置，并輸出已標(biāo)記輪廓位置的所述腦皮質(zhì)頭顱mri圖像。
13、作為本專利技術(shù)的一種優(yōu)選實施方案，步驟s5中，在基于空間配準(zhǔn)方法，對所述cortical?cmi病灶區(qū)域：c1、c2和c3進行配準(zhǔn)，確定臨床患者的cmis病灶之后，還包括：
14、獲取配準(zhǔn)后的臨床患者的所述cmis病灶的頭顱mri圖像；
15、基于三維重構(gòu)技術(shù)，對所述cmis病灶的頭顱mri圖像進行三維重構(gòu)，構(gòu)建得到對應(yīng)所述cmis病灶的三維cmis病灶模型；
16、輸出臨床患者的所述三維cmis病灶模型。
17、作為本專利技術(shù)的一種優(yōu)選實施方案，步驟s5中，在基于空間配準(zhǔn)方法，對所述cmis病灶區(qū)域：c1、c2和c3進行配準(zhǔn)，確定臨床患者的cmis病灶之后，還包括：
18、將所述三維cmis病灶模型保存為obj格式；
19、將所述三維cmis病灶模型導(dǎo)入meshlab，并利用meshlab中的pyvista庫處理并計算所述三維cmis病灶模型的體積；
20、將所述三維cmis病灶模型的體積標(biāo)記在臨床患者的所述腦皮質(zhì)頭顱mri圖像上。
21、作為本專利技術(shù)的一種優(yōu)選實施方案，步驟s1中，所述分別獲取患者t1、flair及dir的頭顱mri圖像，并將所述頭顱mri圖像作為輸入、基于cnn模型訓(xùn)練構(gòu)建對應(yīng)的cmis識別模型，包括：
22、采集若干cmis患者分別在mri掃描序列：t1、flair與dir下的頭顱mri圖像并進行預(yù)處理；
23、對t1、flair與dir掃描序列下的所述頭顱mri圖像進行特征工程，分別提取腦皮質(zhì)在t1、flair與dir掃描序列下的所述頭顱mri圖像上的腦皮質(zhì)mri掃描信號特征；
24、將提取的所述腦皮質(zhì)mri掃描信號特征作為輸入預(yù)設(shè)的cnn模型，利用卷積神經(jīng)網(wǎng)絡(luò)對所述腦皮質(zhì)mri掃描信號特征進行訓(xùn)練學(xué)習(xí)，得到所述cmis識別模型；
25、采用預(yù)設(shè)的腦皮質(zhì)分別在mri掃描序列：t1、flair與dir下的頭顱mri圖像，對所述cmis識別模型進行驗證；
26、驗證合格，將所述識別模型部署于后臺服務(wù)器上。
27、作為本專利技術(shù)的一種優(yōu)選實施方案，所述s3、將臨床患者的所述腦皮質(zhì)mri掃描信號特征與臨床診斷標(biāo)準(zhǔn)的cmis信號特征進行比對，判斷臨床患者是否符合cmis，包括：
28、讀取臨床患者的腦皮質(zhì)分別在t1、flair與dir下的所述腦皮質(zhì)mri掃描信號特征，并分析得到所述腦皮質(zhì)mri掃描信號特征的位置、大小和信號特征；
29、將腦皮質(zhì)分別在t1、flair與dir下的所述腦皮質(zhì)mri掃描信號特征，逐一與預(yù)設(shè)的臨床診斷標(biāo)準(zhǔn)的cmis信號特征的位置、大小和信號特征進行對比，判斷是否一致：
30、若一致，則判定臨床患者符合cmis；
31、反之不符合。
32、作為本專利技術(shù)的一種優(yōu)選實施方案，s4、若符合cmis，則根據(jù)臨床患者的所述腦皮質(zhì)mri掃描信號特征的輪廓位置，對各個輪廓位置所在的cmis病灶進行定位標(biāo)記，獲得對應(yīng)的cmis病灶區(qū)域：c1、c本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟S3中，在判斷臨床患者是否符合CMIs之時，還包括：
3.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟S5中，在基于空間配準(zhǔn)方法，對所述CMIs病灶區(qū)域：C1、C2和C3進行配準(zhǔn)，確定臨床患者的CMIs病灶之后，還包括：
4.根據(jù)權(quán)利要求3所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟S5中，在基于空間配準(zhǔn)方法，對所述CMIs病灶區(qū)域：C1、C2和C3進行配準(zhǔn)，確定臨床患者的CMIs病灶之后，還包括：
5.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟S1中，所述分別獲取患者T1、FLAIR及DIR的頭顱MRI圖像，并將所述頭顱MRI圖像作為輸入、基于CNN模型訓(xùn)練構(gòu)建對應(yīng)的CMIs識別模型，包括：
6.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，所述S3中、將臨床患者的所述腦皮質(zhì)MRI掃描信號特征與臨床診斷標(biāo)
7.根據(jù)權(quán)利要求4所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，S4中、若符合CMIs，則根據(jù)臨床患者的所述腦皮質(zhì)MRI掃描信號特征的輪廓位置，對各個輪廓位置所在的CMIs病灶進行定位標(biāo)記，獲得對應(yīng)的CMIs病灶區(qū)域：C1、C2和C3，包括：
8.根據(jù)權(quán)利要求7所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，所述S5中、基于空間配準(zhǔn)方法，對所述CMIs病灶區(qū)域：C1、C2和C3進行配準(zhǔn)，確定臨床患者的CMIs病灶并標(biāo)記在臨床患者的所述腦皮質(zhì)頭顱MRI圖像上，包括：
9.一種腦皮質(zhì)微梗死自動檢測裝置，所述腦皮質(zhì)微梗死自動檢測裝置用于實現(xiàn)如權(quán)利要求1-8任一項所述用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，所述裝置包括：
10.一種檢測設(shè)備，其特征在于，所述檢測設(shè)備包括：
...【技術(shù)特征摘要】
1.一種用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟s3中，在判斷臨床患者是否符合cmis之時，還包括：
3.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟s5中，在基于空間配準(zhǔn)方法，對所述cmis病灶區(qū)域：c1、c2和c3進行配準(zhǔn)，確定臨床患者的cmis病灶之后，還包括：
4.根據(jù)權(quán)利要求3所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟s5中，在基于空間配準(zhǔn)方法，對所述cmis病灶區(qū)域：c1、c2和c3進行配準(zhǔn)，確定臨床患者的cmis病灶之后，還包括：
5.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)微梗死的自動檢測方法，其特征在于，步驟s1中，所述分別獲取患者t1、flair及dir的頭顱mri圖像，并將所述頭顱mri圖像作為輸入、基于cnn模型訓(xùn)練構(gòu)建對應(yīng)的cmis識別模型，包括：
6.根據(jù)權(quán)利要求1所述的用于腦皮質(zhì)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：何建風(fēng)，楊林偉，江潤梅，劉衡，
申請(專利權(quán))人：貴航貴陽醫(yī)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。