[发明专利]基于多模态磁共振成像的图卷积神经网络疾病预测系统有效

专利信息
申请号: 202211276172.2 申请日: 2022-10-19
公开(公告)号: CN115359045B 公开(公告)日: 2023-03-17
发明(设计)人: 张瑜;孙超良;王志超;张欢;钱浩天;蒋田仔 申请(专利权)人: 之江实验室
主分类号: G16H50/30 分类号: G16H50/30;A61B5/055;A61B5/00;G06V10/82
代理公司: 杭州求是专利事务所有限公司 33200 代理人: 刘静
地址: 311121 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 多模态 磁共振 成像 图卷 神经网络 疾病 预测 系统
【权利要求书】:

1.一种基于多模态磁共振成像的图卷积神经网络疾病预测系统,其特征在于,该系统包括如下模块:

多模态磁共振数据获取模块,用于根据脑图谱提取多模态磁共振数据中的信息,包括结构像、静息态磁共振数据和扩散磁共振数据;

数据预处理模块,用于对结构像、静息态磁共振数据和扩散磁共振数据进行预处理;

脑影像组学信息提取模块,用于根据数据预处理模块处理后的结构像计算不同脑区的皮层体积、厚度和表面积信息;根据数据预处理模块处理后的静息态磁共振数据计算不同脑区的低频振幅和局部一致性信息;根据数据预处理模块处理后的扩散磁共振数据计算不同脑区的各向异性分数、平均弥散系数、细胞内体积分数和方向扩散分数信息;

脑连接组学信息提取模块,用于根据数据预处理模块处理后的静息态磁共振数据计算得到每个被试的功能连接矩阵;根据数据预处理模块处理后的扩散磁共振数据计算得到每个被试的结构连接矩阵;

脑图结构构建模块,用于以脑图谱的各个脑区作为节点,对得到各个脑区的多模态信息构建特征向量,包括结构像上提取的不同脑区的皮层体积、厚度和表面积的大脑结构指标,静息态磁共振数据上计算得到不同脑区的低频振幅ALFF和局部一致性ReHo值的大脑功能指标,扩散磁共振数据计算得到各个脑区的各向异性分数FA、平均弥散系数MD、细胞内体积分数ICVF和方向扩散分数ODI值的大脑扩散指标;将归一化后的功能连接矩阵和结构连接矩阵相乘,作为邻接矩阵;基于邻接矩阵构建脑图结构数据G(V, E),其中节点集V由脑图谱中提取的脑区构成,边集E由相乘得到的邻接矩阵构成;

图卷积神经网络模型构建模块,用于构建图卷积神经网络模型,以脑图结构数据作为模型输入,以被试所在的组别为标签作为模型输出,对图卷积神经网络模型进行训练,通过训练后的图卷积神经网络模型预测脑疾病。

2.根据权利要求1所述的基于多模态磁共振成像的图卷积神经网络疾病预测系统,其特征在于,所述数据预处理模块预处理过程具体为对结构像去脑壳,只保留脑组织结构;对静息态磁共振数据进行头动矫正与时间矫正;对扩散磁共振数据进行去噪、头动矫正和涡流矫正。

3.根据权利要求2所述的基于多模态磁共振成像的图卷积神经网络疾病预测系统,其特征在于,所述脑影像组学信息提取模块对脑组织结构的结构像进行灰白质分割;对灰白质分割后的结构像进行空间标准化,将其映射到统一的脑表面模板fsaverage上,并根据给定的脑图谱分为不同脑区;最后通过freesurfer软件进行皮层重构得到不同脑区的皮层体积、厚度和表面积信息。

4.根据权利要求2所述的基于多模态磁共振成像的图卷积神经网络疾病预测系统,其特征在于,所述脑影像组学信息提取模块对矫正后的静息态磁共振数据进行空间标准化,将其线性配准到结构像以及非线性配准到统一的脑体积模板MNI152NLinin2009cAsym上;对配准后的静息态磁共振数据进行去噪、带通滤波、回归协变量和空间平滑操作,并计算得到不同脑区的低频振幅ALFF和局部一致性ReHo值信息;其中,低频振幅ALFF的频率0.01Hz-0.1Hz之间,局部一致性ReHo值要在空间平滑前计算。

5.根据权利要求2所述的基于多模态磁共振成像的图卷积神经网络疾病预测系统,其特征在于,所述脑影像组学信息提取模块对去噪和校正后的扩散磁共振数据进行反向的空间标准化,将标准脑模板MNI152NLinin2009cAsym非线性配准到每个被试的结构像上,进而线性配准到每个被试的扩散像个体空间,并将脑图谱也根据相同的映射配准到每个被试的扩散像空间;对进行反向的空间标准化后的扩散磁共振数据进行弥散张量成像DTI模型拟合,计算各个脑区的各向异性分数FA和平均弥散系数MD值;最后对扩散磁共振数据进行神经突定向弥散和密度成像模型NODDI拟合,计算各个脑区的细胞内体积分数ICVF和方向扩散分数ODI值。

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之江实验室,未经之江实验室许可,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/202211276172.2/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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