一种用于脑白质病辅助诊断的大脑神经影像学检查系统的制作方法

1.本发明属于医疗设备技术领域，尤其涉及一种用于脑白质病辅助诊断的大脑神经影像学检查系统。


背景技术：

2.大脑是由上百亿个神经元及神经胶质细胞组成的，每个神经元都包括细胞体和胞体延伸出来的突起两部分，神经元中较长的突起和包被其外的胶质细胞一起构成神经纤维，根据胶质细胞是否环绕神经元轴索形成髓鞘，将神经纤维分为有髓纤维和无髓纤维。在大脑中神经元细胞体聚集在大脑表层，看起来颜色深，叫做脑灰质；而神经纤维聚集在大脑内部，看起来颜色浅，叫做脑白质。脑白质病是一种大脑的结构性改变，以中枢神经细胞的髓鞘损害为主要特征，病变累及专门发挥高级大脑功能的白质束。其临床表现从认知障碍、精神症状、运动及感觉症状，到意识障碍甚至死亡。脑白质病变可由多种病因所致，如脑血管病、神经变性病、神经遗传病、炎症、感染、代谢、肿瘤、中毒等。脑白质病病因复杂，诊断困难，是神经病学的疑难病。大脑神经影像学检查是诊断脑白质病最重要的辅助检查，常见的方法有头部磁共振(mri)结构成像、pet-ct、pet-mri。上述方法的结果都可以在二维或三维空间中用图像的方式加以显示。
3.通过上述分析，现有技术存在的问题及缺陷为：现有大脑神经影像学检查设备获取影像的过程获取的影像包含的信息较少，阅片者的主观性大，易受专业水平及技术影响，辅助诊断脑白质病变困难在实际领域应用的意义不大。
4.现有技术中pet-ct、pet-mri缺点则是有辐射、价格昂贵且信息量少。


技术实现要素：

5.针对现有技术存在的问题，本发明提供了一种用于脑白质病辅助诊断的大脑神经影像学检查系统。
6.本发明是这样实现的，一种用于脑白质病诊断的大脑神经影像学检查系统，所述用于脑白质病辅助诊断的大脑神经影像学检查系统包括：
7.供电模块、大脑神经影像检查采集模块、控制模块、ai智能模块、报警模块和存储模块；
8.供电模块，与ai智能模块连接，用于脑白质病诊断的大脑神经影像学检查系统提供电力支持；
9.大脑神经影像检查采集模块，与ai智能模块连接，用于采集大脑神经影像检查的各项信息；
10.所述大脑神经影像检查采集模块采集多模态磁共振成像检查的各项信息包括：利用多模态磁共振成像装置进行采集大脑神经影像检查的各项信息，包括结构磁共振检查、弥散张量成像、弥散加权成像、磁敏感加权成像、功能磁共振成像、动脉自旋标记灌注成像及波谱分析；
11.控制模块，与ai智能模块连接，用于接收脑神经影像检查采集模块的信息并进行处理发出相关的指令；
12.ai智能模块，与供电模块、大脑神经影像检查采集模块、控制模块、报警模块和存储模块连接，用于对大脑神经影像信息进行预处理、特征提取、人工智能深度学习运算和处理，进行大脑神经影像动态识别和智能分析；
13.所述ai智能模块对大脑神经影像信息进行预处理包括：
14.获取多模态磁共振成像装置采集大脑神经影像信息，利用泊松噪声模型评估所述大脑神经影像的噪声水平，选择与噪声水平相匹配的第一卷积神经网络对多模态磁共振成像原始投影数据进行降噪处理；
15.报警模块，与ai智能模块连接，用于当监测到非正常情况时利用声光报警装置发出报警；
16.存储模块，与ai智能模块连接，用于利用存储器存储所述ai智能模块的处理结果。
17.进一步，所述供电模块设置有r1电阻、r2电阻以及r3电阻；
18.所述r1电阻的一端与r3电阻一端接地、所述r2电阻一端与所述r3电阻另一端相连接，所述r2电阻另一端连接d1与所述r1电阻另一端相连接。
19.进一步，所述报警模块包括：探测器单元、控制单元和声光报警单元。
20.进一步，所述存储器由nandflash阵列、大规模fpga、高性能dsp和各类板载连接器组成。
21.进一步，所述ai智能模块对大脑神经影像信息进行特征提取包括：
22.对去噪后的大脑神经影像信息进行校正处理；对校正后的大脑神经影像进行分割处理得到大脑灰质图像、大脑白质图像和脑脊液图像；
23.将得到的大脑灰质图像、大脑白质图像和脑脊液图像与周边背景噪音区分并提取；
24.将提取的大脑灰质图像、大脑白质图像和脑脊液图像合并为大脑三维待测结构影像；
25.获取存储器中存储的标准大脑结构影像的上面皮层、神经核团、神经通路特征的位置；
26.基于确定标准大脑结构影像的上面皮层、神经核团、神经通路的位置确定大脑三维待测结构的对应特征区域，进行特征提取。
27.进一步，所述对去噪后的大脑神经影像信息进行校正处理包括：
28.利用去噪后的大脑神经影像数据中主峰能窗的去噪后的投影图像减去散射分量图像进行散射校正；对散射校正后的影像进行时间层矫正和头动矫正；
29.获取一个呼吸周期的呼气末时的mri数据和吸气末时的mri数据；根据所述吸气末时的mri数据和所述呼气末时的mri数据，得到若干个内插mri数据；利用所述若干个内插mri数据对大脑神经影像图像进行衰减校正。
30.进一步，所述对校正后的大脑神经影像进行分割处理得到大脑灰质图像、大脑白质图像和脑脊液图像包括：
31.获取标准大脑的大脑灰质、白质以及脑脊液分割图，及标准大脑的大脑灰质、白质以及脑脊液交界图；
32.获取校正后的大脑神经影像，利用卷积神经网络对校正后的大脑神经影像进行分割，得到各类别的预测概率分布；
33.利用线性迭代聚类超体素算法基于所述校正后的大脑神经影像生成超体素；将分割所得预测概率分布和所生成超体素融合得到大脑核磁神经图像的分割结果。
34.本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现如所述用于脑白质病诊断的大脑神经影像学检测系统的功能。
35.本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述用于脑白质病诊断的大脑神经影像学检测系统的功能。
36.本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述用于脑白质病辅助诊断的大脑神经影像学检查系统的功能。
37.结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明能够将大脑神经影像学检查和人工智能分析结合起来，能够捕捉大脑微弱的形态学及功能变化，提高脑部神经影像分析的准确率，降低错误分析的可能，具有速度快、结果精确、辐射小的特点，适合推广应用。
附图说明
38.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
39.图1是本发明实施例提供的用于脑白质病辅助诊断的大脑神经影像学检查系统示意图。
40.图中：1、供电模块；2、大脑神经影像检查采集模块；3、控制模块；4、ai智能模块；5、报警模块；6、存储模块。
41.图2是本发明实施例提供的ai智能模块对大脑神经影像信息进行预处理的方法流程图。
42.图3是本发明实施例提供的ai智能模块对大脑神经影像信息进行特征提取的方法流程图。
43.图4是本发明实施例提供的对去噪后的大脑神经影像信息进行校正处理的方法流程图。
44.图5是本发明实施例提供的对校正后的大脑神经影像进行分割处理得到大脑灰质图像、大脑白质图像和脑脊液图像的方法流程图。
具体实施方式
45.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
46.针对现有技术存在的问题，本发明提供了一种用于脑白质病辅助诊断的大脑神经影像学检查系统，下面结合附图对本发明作详细的描述。
47.如图1所示，本发明实施例提供的用于脑白质病辅助诊断的大脑神经影像学检查系统包括：
48.供电模块1，与ai智能模块连接，用于脑白质病辅助诊断的大脑神经影像学检查系统提供电力支持；
49.大脑神经影像检查采集模块2，与ai智能模块4连接，用于采集大脑神经影像检查的各项信息；
50.所述大脑神经影像检查采集模块采集大脑神经影像检查的各项信息包括：利用多模态磁共振成像装置进行采集大脑神经影像检查的各项信息，包括结构磁共振检查、弥散张量成像、弥散加权成像、磁敏感加权成像、功能磁共振成像、动脉自旋标记灌注成像及波谱分析；
51.控制模块3，与ai智能模块4连接，用于接收脑神经影像检查采集模块的信息并进行处理发出相关的指令；
52.ai智能模块4，与供电模块1、大脑神经影像检查采集模块、控制模块、报警模块和存储模块连接，用于对大脑神经影像信息进行预处理、特征提取、人工智能深度学习运算和处理，进行大脑神经影像动态识别和智能分析；
53.报警模块5，与ai智能模块连接，用于当监测到非正常情况时利用声光报警装置发出报警；
54.存储模块6，与ai智能模块连接，用于利用存储器存储所述ai智能模块的处理结果。
55.本发明实施例提供的供电模块1设置有r1电阻、r2电阻以及r3电阻；r1电阻的一端与r3电阻一端接地、r2电阻一端与r3电阻另一端相连接，r2电阻另一端连接d1与r1电阻另一端相连接。
56.本发明实施例提供的报警模块5包括：探测器单元、控制单元和声光报警单元。
57.本发明实施例提供的存储器由nandflash阵列、大规模fpga、高性能dsp和各类板载连接器组成。
58.如图2所示，本发明实施例提供的ai智能模块对大脑神经影像信息进行预处理包括：
59.s101，获取多模态磁共振成像装置采集大脑神经影像信息，利用泊松噪声模型评估所述大脑神经影像的噪声水平；
60.s102，选择与噪声水平相匹配的第一卷积神经网络对多模态磁共振成像原始投影数据进行降噪处理。
61.如图3所示，本发明实施例提供的ai智能模块对大脑神经影像信息进行特征提取包括：
62.s201，对去噪后的大脑神经影像信息进行校正处理；对校正后的大脑神经影像进行分割处理得到大脑灰质图像、大脑白质图像和脑脊液图像；
63.s202，将得到的大脑灰质图像、大脑白质图像和脑脊液图像与周边背景噪音区分并提取；
64.s203，将提取的大脑灰质图像、大脑白质图像和脑脊液图像合并为大脑三维待测结构影像；
65.s204，获取存储器中存储的标准大脑结构影像的上面皮层、神经核团、神经通路特征的位置；
66.s205，基于确定标准大脑结构影像的上面皮层、神经核团、神经通路的位置确定大脑三维待测结构的对应特征区域，进行特征提取。
67.如图4所示，本发明实施例提供的对去噪后的大脑神经影像信息进行校正处理包括：
68.s301，利用去噪后的大脑神经影像数据中主峰能窗的去噪后的投影图像减去散射分量图像进行散射校正；对散射校正后的影像进行时间层矫正和头动矫正；
69.s302，获取一个呼吸周期的呼气末时的mri数据和吸气末时的mri数据；根据所述吸气末时的mri数据和所述呼气末时的mri数据，得到若干个内插mri数据；利用所述若干个内插mri数据对大脑神经影像图像进行衰减校正。
70.如图5所示，本发明实施例提供的对校正后的大脑神经影像进行分割处理得到大脑灰质图像、大脑白质图像和脑脊液图像包括：
71.s401，获取标准大脑的大脑灰质、白质以及脑脊液分割图，及标准大脑的大脑灰质、白质以及脑脊液交界图；
72.s402，获取校正后的大脑神经影像，利用卷积神经网络对校正后的大脑神经影像进行分割，得到各类别的预测概率分布；
73.s403，利用线性迭代聚类超体素算法基于所述校正后的大脑神经影像生成超体素；将分割所得预测概率分布和所生成超体素融合得到大脑核磁神经图像的分割结果。
74.以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。