用于在脑部活动分析期间的任务确定的装置的制作方法

1.本发明涉及用于在脑部活动(brain activity)分析期间的任务确定的装置、成像系统和用于在脑部活动分析期间的任务确定的方法。


背景技术：

2.当脑部活动用于各种神经系统和精神疾病的诊断或处置导航时，不太容易选择最合适的任务范式(例如，认知记忆任务、被动休息或电影)。与广泛的神经心理学测试相似，采用了越来越多的不同的任务范式来诱发脑部活动(例如，视觉、听觉、运动、记忆、语言、执行等)。因此，选择最合适的任务范式是个日益严重的问题。当前，医生在检查之前选择任务范例，并且在事后评价这些任务范例是否合适。当订购了多项任务时，这会导致不必要的脑部扫描，或者当数据包含的信息不足时，这会导致额外的检查。
3.医生和临床科学家已经开始要求支持更好地采集任务诱发的脑部成像数据的方法，从而开始要求开发允许对脑部成像数据的在线特征提取和在推荐系统上的研究的平台，对此请参见例如：
4.mcnamara q、de la vega a和yarkoni t.的“developing a comprehensive framework for multimodal feature extraction”(proc acm sigkdd int conf knowl discov data min.2017，章节f1296，第1567-1574页)。
5.us 2011/015539 a1描述了一种计算机辅助方法，所述计算机辅助方法包括：测量脑部的一个或多个内部体素的活动；采用计算机可执行逻辑，所述计算机可执行逻辑取用所测量的脑部活动并确定包括以下各项的组中的一个或多个成员：a)下一个要传送给对象的刺激，b)要指示对象做出的下一个行为的内容，c)对象要暴露于下一个刺激的时间，d)对象要做出下一个行为的时间，e)根据所测量的活动计算出的一个或多个活动衡量指标，f)根据所测量的活动计算出的空间模式，g)根据所测量的活动计算出的感兴趣区域的位置，h)根据所测量的活动计算出的对象要实现的行为表现目标，i)根据所测量的活动计算出的对象成功的行为表现度量，j)对象相对于活动测量仪器的位置；并且将基于所述确定的信息相对于测量活动的时间基本上实时地传送到对象。
6.然而，这项工作仍处于起步阶段，并且需要进一步的开发和改进。


技术实现要素：

7.具有改进的在脑部活动分析期间确定任务的手段将是有利的。本发明的目的通过独立权利要求的主题得以解决，其中，在从属权利要求中包含了进一步的实施例。应当注意，本发明的以下描述的方面和示例也适用于用于在脑部活动分析期间的任务确定的装置、成像系统和用于在脑部活动分析期间的任务确定的方法以及计算机程序单元和计算机可读介质。
8.在第一方面，提供了一种用于在脑部活动分析期间的任务确定的装置，包括：
9.输入单元；
10.处理单元；以及
11.输出单元。
12.所述输入单元被配置为向所述处理单元提供在脑部活动分析期间执行任务的患者的脑部的测量数据。所述处理单元被配置为基于所述脑部的所述测量数据来确定脑部活动的度量。
13.所述处理单元被配置为确定：
14.所述患者应当执行与所述患者当前正在执行的任务不同的任务并选择所述不同的任务，或者
15.所述患者应当继续执行所述患者当前正在执行的任务，或者
16.所述患者应当停止执行所述任务；
17.所述确定包括利用与所述任务和所确定的脑部活动的度量有关的信息以及与多项参考任务和脑部活动的相关联的多个参考度量有关的信息。所述输出单元被配置为输出对所述患者应当执行所述不同的任务，所述患者应当继续执行所述任务，或者所述患者应当停止执行所述任务的指示。
18.换句话说，能够基于正在执行的任务和对脑部测量数据(例如，图像或影像)的分析来确定该任务确实适合目的以及能够利用正在采集的进一步的影像来继续进行该任务以获得在理解所分析的脑部影像的重要性方面所要求的置信度。然而，能够确定患者正在承担的任务实际上并未提供所期望的结果，并且能够根据对脑部影像的分析来确定应当执行不同的任务。另外，能够确定已经采集了足够的数据来提供必要的结果以及脑部活动分析能够随着患者不必再执行任务而停止。
19.通过这种方式，提供了选择任务并针对诊断性脑部活动分析(例如，用于医学诊断的分析或用于术前脑部评估的分析)而调整这些任务的装置，所述装置推荐任务范式并且基于对脑部测量数据(例如，成像数据)的实时分析来更新这些任务范式。因此，这种“推荐系统”使得能够减少脑部活动分析时间，并且能够例如提高脑部成像的数据质量和灵敏度。
20.换句话说，该装置能够进行实时分析(即，在扫描环节期间做出决策，并且在任务确定的过程中不涉及后处理或后分析)，从而提供了改进的环节。
21.因此，该装置是用于在采集脑部活动期间的任务确定的装置，该装置能够例如从mri、eeg或其他脑部成像设备实时采集图像数据并且确定患者要承担的任务(该任务能够是例如新的认知任务、神经认知任务、神经行为任务、心理测量任务或感知任务或患者当前正在承担的任务)。还应当注意，“任务”能够是要求患者在静息状态下执行的任务(例如，睁开眼睛看着视觉显示单元(vdu)上的十字)。
22.在示例中，所述测量数据包括所述脑部的图像。
23.在示例中，对所述患者应当执行与所述患者当前正在执行的任务不同的任务并选择所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述任务的所述确定包括利用与所述脑部活动分析的目标有关的信息。
24.在示例中，所述脑部活动分析的所述目标包括预期的诊断和/或一个或多个要被绘制的脑部区域。
25.因此，“推荐系统”能够相对于目标受到约束，例如，做出或确认特定的诊断，或者在手术前绘制脑部区域。因此，如果要求在手术前绘制特定的脑部区域，则能够选择用于患
者承担的和针对采集的脑部影像的初始任务；并且如果该任务确实瞄准了脑部的正确部位，则能够继续进行该任务；或者如果原始任务没有实现所期望的目的，则能够推荐用于患者承担的新的任务以瞄准这些脑部区。另外，医学专业人员可能会认为患者患有特定的医学病症，并且能够利用采集的医学脑部影像来向患者提供任务以确认关于通过继续执行该任务能够在什么时候获得结果中的某个置信度的诊断。然而，基于针对正在执行的任务而返回的影像，能够确定患者可能患有不同的医学病症，因此可以向患者提供用于患者承担的一项或多项不同的任务，其中，相关联的采集的医学脑部影像使得能够做出和确认不同的诊断。
26.在示例中，所述输入单元被配置为向所述处理单元提供执行所述不同的任务或者继续执行所述任务的所述患者的所述脑部的新的测量数据。所述处理单元被配置为基于所述脑部的所述新的测量数据来提供脑部活动的度量。所述处理单元被配置为确定：
27.所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者
28.所述患者应当继续执行所述患者当前正在执行的任务，或者
29.所述患者应当停止执行任何任务；
30.所述确定包括利用与所述患者当前正在执行的所述任务和基于所述新的测量数据所确定的脑部活动的度量有关的信息以及与所述多项参考任务和脑部活动的所述相关联的多个参考度量有关的信息。所述输出单元被配置为输出对所述患者应当执行与所述患者当前正在执行的任务不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行任何任务的指示。
31.换句话说，能够确定是继续进行现有任务，还是改变到新的任务，新的任务本身可能并不合适，并且确定患者要承担的另外的新的任务，或者确定能够停止脑部活动分析。
32.在示例中，所述装置被配置为迭代地执行以下操作：
33.向所述处理单元提供所述患者的所述脑部的新的测量数据；
34.基于所述新的测量数据来确定脑部活动的度量；并且
35.确定：
36.所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者
37.所述患者应当继续执行所述患者当前正在执行的任务；并且
38.所述装置被配置为继续进行所述迭代，直到确定所述患者应当停止执行任何任务为止。
39.在示例中，所述处理单元被配置为确定针对所述患者的医学诊断，包括利用脑部活动的一个或多个确定的度量。
40.在示例中，对所述医学诊断的所述确定包括利用与由所述患者执行的一项或多项任务有关的信息。
41.在示例中，对所述医学诊断的所述确定包括利用所述多项参考任务。
42.在示例中，对所述医学诊断的所述确定包括利用脑部活动的所述多个参考度量。
43.在示例中，对所述医学诊断的所述确定包括将脑部活动的一个或多个确定的度量与脑部活动的所述多个参考度量中的一个或多个参考度量进行相关以确定脑部活动的一
个或多个参考度量和相关联的与所述参考任务有关的信息。
44.在示例中，对所述医学诊断的所述确定包括选择与脑部活动的所述多个参考度量中的所确定的一个或多个参考度量中的至少一个参考度量相关联的参考医学诊断。
45.因此，例如，所述多项参考任务和脑部活动的相关联的多个参考度量能够是与诊断和处置信息相关联的任务诱发的脑部活动模式的库或本体。因此，能够将所采集和分析的脑部影像与库中的分析的脑部影像进行相关，并且根据相关联的最佳匹配的诊断能够确定针对患者的可能诊断是什么。能够通过与患者已经承担的一项或多项实际任务有关的信息来增强这种诊断，例如，从脑部影像的分析得到的脑部活动模式可以与库中的两种脑部活动模式相匹配，其中，这些存储的活动模式中的一种活动模式所涉及的患者正在承担的任务与涉及不同任务的不同活动模式所涉及的患者正在承担的任务相同。因此，无法确定具有匹配任务的匹配模式是更好的匹配，从而使得在提供患者现在正在进行测试的诊断中无法使用具有参考数据的相关联的医学诊断。
46.在示例中，对所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述任务的所述确定包括实施模式匹配算法以确定所确定的脑部活动的度量与脑部活动的所述多个参考度量之间的相关性。
47.在示例中，所述模式匹配算法包括最近邻分类器。
48.在第二方面，提供了一种成像系统，包括：
49.脑部成像设备(110)；以及
50.根据权利要求1-12中的任一项所述的装置(10)；
51.所述脑部成像设备被配置为：采集在脑部活动分析期间执行任务的患者的所述脑部的至少一幅图像，并且将所述至少一幅图像提供给所述装置。所述装置被配置为基于所述患者的所述脑部的所述至少一幅图像中的一幅或多幅图像来输出对所述患者应当执行选择的与所述患者当前正在执行的任务不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述患者当前正在执行的任务或停止执行任何任务的指示。
52.在第三方面，提供了一种用于在脑部活动分析期间的任务确定的方法，所述方法包括：
53.a)向处理单元提供在脑部活动分析期间执行任务的患者的脑部的测量数据；
54.b)由所述处理单元基于所述脑部的所述测量数据来确定脑部活动的度量；
55.c)由所述处理单元确定：
56.所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者
57.所述患者应当继续执行所述患者当前正在执行的任务，或者
58.所述患者应当停止执行所述任务；
59.其中，所述确定包括利用与所述任务和所确定的脑部活动的度量有关的信息以及与多项参考任务和脑部活动的相关联的多个参考度量有关的信息，并且
60.d)由输出单元输出对所述患者应当执行所述不同的任务，所述患者应当继续执行所述任务，或者所述患者应当停止执行所述任务的指示。
61.根据另一方面，提供了一种控制前述装置或系统中的一项或多项的计算机程序单元，如果所述计算机程序单元由处理器运行，则前述装置或系统中的一项或多项适于执行前述方法中的一种或多种方法。
62.根据另一方面，如前所述，提供了一种存储有前述计算机单元的计算机可读介质。
63.例如，计算机程序单元不仅能够是软件程序，而且还能够是fpga、pld或任何其他合适的数字器件。
64.有利地，以上任何方面提供的益处等同地适用于所有其他方面，并且反之亦然。
65.参考下文描述的实施例，以上方面和示例将变得明显并且得到阐明。
附图说明
66.在下文中将参考附图来描述示例性实施例：
67.图1示出了用于在脑部活动分析期间的任务确定的装置的示例的设置；
68.图2示出了成像系统的示例的设置；
69.图3示出了用于在脑部活动分析期间的任务确定的方法；并且
70.图4示出了在脑部活动分析期间的任务确定的工作流程的表示。
具体实施方式
71.图1示出了用于在脑部活动分析期间的任务确定的装置的示例。所述装置包括输入单元20、处理单元30和输出单元40。所述输入单元被配置为向所述处理单元提供在脑部活动分析期间执行任务的患者的脑部的测量数据。所述处理单元被配置为基于所述脑部的所述测量数据来确定脑部活动的度量。所述处理单元被配置为确定：所述患者应当执行与所述患者当前正在执行的任务不同的任务并选择所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述任务；所述确定包括利用与所述任务和所确定的脑部活动的度量有关的信息以及与多项参考任务和脑部活动的相关联的多个参考度量有关的信息。所述输出单元被配置为输出对所述患者应当执行所述不同的任务，所述患者应当继续执行所述任务，或者所述患者应当停止执行所述任务的指示。
72.在示例中，所述多项参考任务和脑部活动的相关联的多个参考度量能够是与诊断和处置信息相关联的任务诱发的脑部活动模式的库或本体。因此，患者承担任务，并且同时采集和分析脑部图像。然后，能够使用任务和相关联的分析来询问该库以确定正在承担的任务是否适合目的，或者不同的任务是否可以更好地适合脑部活动的采集和分析的目的。然后，能够确定是继续进行现有任务，还是改变到新的任务，还是终止采集和分析环节。因此，例如，能够使用从脑部影像得到的测量的脑部活动模式和相关联的任务来询问具有相关联的脑部活动模式的任务信息库，据此能够确定新的任务或者确定现有任务是否适合目的。您还能够确定是否已经采集了足够的信息而能够停止分析。
73.在示例中，所述脑部的所述图像是由mri、eeg、ecog、meg、opm、pet、fnirs、fus脑部成像设备采集的。
74.对患者应当停止执行任务的确定意味着患者应当停止执行任何任务，因此与对患者应当执行选择的不同的任务的确定不同。因此，对患者应当停止执行任务的确定意味着
脑部活动的采集和分析已经完成。
75.根据示例，所述测量数据包括所述脑部的图像。
76.根据示例，对所述患者应当执行与所述患者当前正在执行的任务不同的任务并选择所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述任务的所述确定包括利用与所述脑部活动分析的目标有关的信息。
77.根据示例，所述脑部活动分析的所述目标包括预期的诊断和/或一个或多个要被绘制的脑部区域。
78.根据示例，所述输入单元被配置为向所述处理单元提供执行所述不同的任务或者继续执行所述任务的所述患者的所述脑部的新的测量数据。所述处理单元被配置为基于所述脑部的所述新的测量数据来提供脑部活动的度量。所述处理单元被配置为确定：所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行任何任务；所述确定包括利用与所述患者当前正在执行的所述任务和基于所述新的测量数据所确定的脑部活动的度量有关的信息以及与所述多项参考任务和脑部活动的所述相关联的多个参考度量有关的信息。所述输出单元被配置为输出对所述患者应当执行与所述患者当前正在执行的任务不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行任何任务的指示。
79.在示例中，所述新的测量数据包括所述脑部的新的图像。
80.根据示例，所述装置被配置为迭代地执行以下操作：
81.向所述处理单元提供所述患者的所述脑部的新的测量数据；
82.基于所述新的测量数据来确定脑部活动的度量；并且
83.确定：
84.所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者
85.所述患者应当继续执行所述患者当前正在执行的任务；并且
86.所述装置被配置为继续进行所述迭代，直到确定所述患者应当停止执行任何任务为止。
87.在示例中，所述新的测量数据包括所述脑部的新的图像。
88.根据示例，所述处理单元被配置为确定针对所述患者的医学诊断，包括利用脑部活动的一个或多个确定的度量。
89.根据示例，对所述医学诊断的所述确定包括利用与由所述患者执行的一项或多项任务有关的信息。
90.根据示例，对所述医学诊断的所述确定包括利用所述多项参考任务。
91.根据示例，对所述医学诊断的所述确定包括利用脑部活动的所述多个参考度量。
92.根据示例，对所述医学诊断的所述确定包括将脑部活动的一个或多个确定的度量与脑部活动的所述多个参考度量中的一个或多个参考度量进行相关以确定脑部活动的一个或多个参考度量和相关联的与所述参考任务有关的信息。
93.根据示例，对所述医学诊断的所述确定包括选择与脑部活动的所述多个参考度量中的所确定的一个或多个参考度量中的至少一个参考度量相关联的参考医学诊断。
94.根据示例，对所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述任务的所述确定包括实施模式匹配算法以确定所确定的脑部活动的度量与脑部活动的所述多个参考度量之间的相关性。
95.根据示例，所述模式匹配算法包括最近邻分类器。
96.图2示出了成像系统100的示例，其中，以虚线框示出了任选特征。所述成像系统包括脑部成像设备110和关于图1所描述的装置10。所述脑部成像设备被配置为：采集在脑部活动分析期间执行任务的患者的所述脑部的至少一幅图像，并且将所述至少一幅图像提供给所述装置。所述装置被配置为基于所述患者的所述脑部的所述至少一幅图像中的一幅或多幅图像来输出对所述患者应当执行选择的与所述患者当前正在执行的任务不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行所述患者当前正在执行的任务或停止执行任何任务的指示。
97.在示例中，所述成像系统包括与多项参考任务和脑部活动的相关联的多个参考度量有关的信息的库，并且其中，所述装置的所述处理单元被配置为询问库。
98.图3以其基本步骤示出了用于在脑部活动分析中的任务确定的方法200，其中，以虚线框示出了任选步骤。所述方法包括：
99.在提供步骤210(也被称为步骤a))中，向处理单元提供在脑部活动分析期间执行任务的患者的脑部的测量数据；
100.在确定步骤220(也被称为步骤b))中，由所述处理单元基于所述脑部的所述测量数据来确定脑部活动的度量；
101.在确定步骤230(也被称为步骤c))中，由所述处理单元确定：
102.所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者
103.所述患者应当继续执行所述患者当前正在执行的任务，或者
104.所述患者应当停止执行所述任务；
105.在步骤c)中，所述确定包括利用与所述任务和所确定的脑部活动的度量有关的信息以及与多项参考任务和脑部活动的相关联的多个参考度量有关的信息；并且
106.在输出步骤240(也被称为步骤d))中，由输出单元输出对所述患者应当执行所述不同的任务，所述患者应当继续执行所述任务，或者所述患者应当停止执行所述任务的指示。
107.在示例中，所述测量数据包括所述脑部的图像。
108.在示例中，所述脑部的所述测量数据是由mri、eeg、ecog、meg、opm、pet、fnirs、fus脑部成像设备采集的。
109.在示例中，步骤c)包括利用与所述脑部活动分析的目标有关的信息。
110.在示例中，所述脑部活动分析的所述目标包括预期的诊断和/或一个或多个要被绘制的脑部区域。
111.在示例中，所述方法包括：
112.在提供步骤250(也被称为步骤e))中，向所述处理单元提供执行所述不同的任务或者继续执行所述任务的所述患者的所述脑部的新的测量数据；
113.在确定步骤260(也被称为步骤f))中，由所述处理单元基于所述脑部的所述新的测量数据来确定脑部活动的度量；
114.在确定步骤270(也被称为步骤g))中，由所述处理单元确定：
115.所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者
116.所述患者应当继续执行所述患者当前正在执行的任务，或者
117.所述患者应当停止执行任何任务；
118.在步骤g)中，所述确定包括利用与所述患者当前正在执行的所述任务和基于所述新的测量数据所确定的脑部活动的度量有关的信息以及与所述多项参考任务和脑部活动的所述相关联的多个参考度量有关的信息；并且
119.在输出步骤280(也被称为步骤h))中，由所述输出单元输出对所述患者应当执行与所述患者当前正在执行的任务不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务，或者所述患者应当停止执行任何任务的指示。
120.在示例中，所述新的测量数据包括所述脑部的新的图像。
121.在示例中，所述方法包括：
122.在迭代步骤290(也被称为步骤i))中，迭代地执行以下操作：向所述处理单元提供所述患者的所述脑部的新的测量数据；并且确定脑部活动的度量；并且确定：所述患者应当执行与所述患者当前正在执行的任务不同的任务并确定所述不同的任务，或者所述患者应当继续执行所述患者当前正在执行的任务；并且其中，继续进行所述迭代，直到确定所述患者应当停止执行任何任务为止。
123.在示例中，所述新的测量数据包括所述脑部的新的图像。
124.在示例中，所述方法包括：
125.在确定步骤300(也被称为步骤j))中，由经配置的处理单元确定针对所述患者的医学诊断，包括利用脑部活动的一个或多个确定的度量。
126.在示例中，步骤j)包括利用与有所述患者执行的一项或多项任务有关的信息。
127.在示例中，步骤j)包括利用所述多项参考任务。
128.在示例中，步骤j)包括利用脑部活动的所述多个参考度量。
129.在示例中，步骤j)包括将脑部活动的一个或多个确定的度量与脑部活动的所述多个参考度量中的一个或多个参考度量进行相关以确定脑部活动的一个或多个参考度量和相关联的与所述参考任务有关的信息。
130.在示例中，步骤j)包括选择与脑部活动的所述多个参考度量中的所确定的一个或多个参考度量中的至少一个参考度量相关联的参考医学诊断。
131.在示例中，步骤c)包括实施模式匹配算法以确定所确定的脑部活动的度量与脑部活动的所述多个参考度量之间的相关性。
132.在示例中，步骤g)包括实施所述模式匹配算法以确定所确定的脑部活动的度量与脑部活动的所述多个参考度量之间的相关性。
133.在示例中，所述模式匹配算法包括最近邻分类器。
134.现在参考图4来更详细地描述用于在脑部活动分析期间的任务确定的装置、用于在脑部活动分析期间的任务确定的成像系统和方法。
135.图4示出了在脑部活动分析期间的任务确定的工作流程的表示。该工作流程应用于从具有用于对(功能性)成像数据进行实时分析的本地计算资源或连通性的脑部成像设备(例如，mri、eeg、ecog、meg、opm、pet、fnirs、fus)接收数据的装置。还利用或询问了通过结果(诊断/处置)得到的任务诱发的脑部活动模式的库/本体，并且该装置实际上被操作为实时推荐系统，所述实时推荐系统基于测量的脑部活动模式来推荐任务调整，从而切换或停止数据采集。
136.继续参考图4，图4图示了基于对脑电图(eeg)数据的实时分析进行的任务调整/选择。在左侧示出了具有任务
×
结果的图像的库。在右侧示出了在图像采集期间发现的基于两个“推荐”来调整(或切换)任务的自适应路径。与任务调整相类似，该系统推荐在足够的置信度(或所期望的可靠性)下诱发活动模式时停止采集。例如，在使用具有所期望的置信度或可靠性的eeg的o1和o4上的诱发电位。另一示例可以基于功能性mri，使用感兴趣脑部区域(梭形脸区等)的信号变化百分比或皮质网络的连通性强度。在这种情况下，将用使用任务、基于电影或静息状态fmri估计的脑部活动/连通性图来代替上面的eeg图像。
137.继续参考图4，进行了三种不同的任务扫描。然后，该系统基于实时分析提出了两个推荐以切换/改变扫描。附图的左侧部分示出了由该系统推荐的“路径”(＝操作者的路径)。相对于必须确定的结果(或目标)，这些推荐可能受到限制。例如，患者y是否患有精神障碍q(例如，精神分裂症)？在扫描1之后，当收集到足够的数据时，该系统推荐任务2(或扫描2)和类似的任务3(或扫描3)。这些不同扫描的结果可能全部收敛在同一诊断上，并且立即有助于确定特定的子类型或处置选择。替代地，这些不同扫描的结果可能有助于收集针对替代诊断(两极性忧郁症等)的证据。在每个步骤/推荐中，扫描与参考扫描和相关联的数据的库(例如，通过结果(诊断/处置)得到的任务诱发的脑部活动模式的库/本体)相匹配。根据所使用的扫描方法(mri、eeg等)和扫描的确切参数，这能够涉及不同的算法和测量。相对简单直接的实施方式是使用最近邻分类器将该模式与库中的先前采集的扫描相匹配。关于停止采集的推荐，下面提供了更具体的细节，其中，提供了eeg作为示例。例如，在eeg中，多次采集相同的病症(即，多次针对执行相同任务的患者采集数据)。在扫描之后，制作统计脑图。因此，收集任务数据，直到预定义区域的活动(＝电极o1)达到具有统计显著性的阈值为止，这能够被认为是数据可靠性达到了一定程度的置信度，这能够被认为等于“信噪比”。
138.如关于图4所详细说明的，eeg或fmri是两种可能的成像模态。因此，也能够在磁共振成像(mri)扫描器上实施这种装置或“推荐系统”。能够使用现有的任务范式(例如重点关注在人类连接组项目(hcp)中使用的任务范例)和常规的成像序列来构建这种装置/系统。对脑部成像数据的实时分析利用了以下部件：
139.用于采集新的扫描的脑部成像设备(例如，mri、eeg等)，但在这里关于mri进行了描述用于将新的扫描与先前采集的数据进行匹配的库
140.用于实时重建、分析和匹配扫描的计算核心
141.用于评价新的扫描和库扫描的推荐系统
142.首先，脑部成像设备(例如，使得能够采集与hcp协议一致的功能性mri的mri扫描器)能够利用在3特斯拉下进行的回波平面成像。另外，当患者处于mri扫描器内部时，患者应当能够执行hcp任务。因此，患者应当能够看到计算机屏幕，经由耳机听到声音，并且按下在与mri兼容的按键上的按钮。
143.其次，通过使用类似的功能性mri数据，能够在hcp研究的各种研究中收集用参考扫描填充的库。这些扫描可从公共数据存储库中获得并且包含来自健康成年人的数据和来自患有不同精神病和神经系统脑部疾病的患者的数据。
144.第三，一旦开始了mri数据收集，就通过计算核心实时处理成像数据。这包括重建、预处理和任务范式依赖性分析。重建解决了mri数据从傅立叶到空间域的变换。预处理包括切片时间校正、重新对齐和对地图集空间的归一化。能够在重建和预处理中部署若干质量控制步骤。例如，如果重新对齐要求太多的校正，则能够忽略个体体积。任选地，推荐系统能够使用质量控制来向当前任务推荐额外的fmri采集。在预处理之后，根据各种任务范式来分析fmri数据。以hariri任务为例，计算核心计算任务条件1(情绪面孔)与任务条件2(抽象形状)之间的信号差异。能够针对整个脑部或仅针对预先确定的感兴趣区域来计算这种信号差异。代替使用信号差异，任务范式依赖性分析也能够使用检查感兴趣区域之间相干性的方法。任务范式依赖性分析得到根据图像导出的衡量指标。这些衡量指标随后被用来将新的数据与库中的先前采集的数据进行比较。
145.第四，推荐系统将新的数据与库中的扫描进行比较。当目标是分类(或诊断)时，推荐器基于根据图像导出的衡量指标来识别库中的(一个或多个)最相似的患者。随后，推荐器将推荐对在(这一个或多个)最相似的患者中已经采集的那些任务(或序列)的采集。
146.因此，总而言之，该装置/系统分析了在特定的任务条件或被动休息期间在预定义脑部区域中的功能性mri信号。通过使用被动休息条件，使用连通性分析来估计预定义的脑部区域之间的相干性。根据这些连通性估计，该装置能够推荐特定的后续扫描。例如，能够在静息状态的fmri扫描之后进行要求患者观看图像并以情绪面孔对图像做出响应的特定的任务范式。在这种情况下，实时分析能够从视觉皮层、梭形脸区和杏仁核中的预定义的脑部区域提取信号百分比。基于fmri信号，该系统能够找到针对在这些预定义的脑部区域内的异常活动的证据，或者再次使用连通性分析来量化预定义的脑部区域之间的相干性。这样能够得到足够的证据来做出中止fmri采集的推荐或者进行第三次扫描的推荐或者执行不同任务并采集fmri日期的推荐。
147.能够使用现有的任务范式(例如重点关注在人类连接组项目中使用的任务范例)和常规成像序列来构建该装置(或者如果系统包括图像采集设备，则为该系统)。因此，能够使用关于脑部疾病(包括精神疾病、焦虑和抑郁、顽固性抑郁症的处置、早期精神病、精神病性精神病理学、癫痫、额颞叶痴呆和阿尔茨海默病亚型)的各种人类连接组项目(hcp)来构建该装置/系统(参见barch dm、burgess gc、harms mp、petersen se、schlaggar bl、corbetta m等人的“function in the human connectome:task-fmri and individual differences in behavior”(neuroimage.2013，第80卷，第169-189页))。人类连接组项目(hcp)已经选择并开发了任务范例，以在该项目可用于扫描每个参与者的时间内评估尽可能多的不同神经系统。这些“功能性定位器”任务包括对主要感觉过程(例如，视觉、运动功能)以及尽可能多的不同认知和情感过程(包括刺激类别表示、工作记忆、情节记忆、语言处理、情绪处理以及决策制定)的测量。hcp任务还包括关于情绪处理的“hariri”任务。参见：https://www.humanconnectome.org/study/hcp-young-adult/document/q1-data-release/task-fmri。然后用来自hcp研究的参考扫描(可从公共数据存储库获得这些参考扫描)来填充上面提到的库，其中，参考扫描是相关联的信息，所述相关联的信息能够是针
对某些任务在脑部的预定义区域中的活动的模式。一旦开始了数据收集，就将在线采集的成像数据变换为地图集空间并且将在线采集的成像数据匹配到库中的模板。一旦实现了所期望的信噪比，该系统就能够推荐停止采集。能够使用在关于脑部疾病(包括精神疾病、焦虑和抑郁、顽固性抑郁症的处置、早期精神病、精神病性精神病理学、癫痫、额颞叶痴呆和阿尔茨海默病亚型)的各种hcp项目中使用的任务范式来构建用于最优选择不同的任务范式的装置或系统(参见例如gordon em、laumann to、gilmore aw、newbold dj、greene dj、berg jj等人的“precision functional mapping of individual humanbrains”(neuron 2017，第95卷，第791-807页)，glasser mf、smith sm、marcus ds、andersson j、auerbach ej、behrens tej等人的“the human connectome project’s neuroimaging approach”(nat neurosci 2016，第19卷，第1175-1187页)和harms mp、somerville lh、ances bm、andersson j、barch dm、bastiani m等人的“extending the human connectome project across ages:imaging protocols for the lifespan development and aging projects”(neuroimage.2018，第183卷，第972-984页))。
148.能够构建这样的装置和系统：该装置和系统使用例如以安全、私人且合规的方式组合或集成来自多个站点的数据的在线安全平台来持续学习。推荐器能够在脑部成像采集系统上。一旦就位，推荐系统最初只能建议它知道的扫描和任务范例(例如，来自hcp的扫描和任务范例)。然而，当用户在已知的(hcp)扫描后利用未知扫描进行采集时，推荐系统能够学习新的对。随后，推荐器能够建议该未知扫描作为优选后续。随着这些新的扫描变成推荐器的部分，推荐的频率为系统开发者提供了以下指示：对这些新的扫描的实时分析是优选的。在这些新的扫描成为实时分析管线的部分之后，推荐器可以在初步扫描之后建议这些新的扫描或者在新的扫描之后提出学习建议。
149.应当注意，不是将图像数据变换到地图集空间并将图像数据匹配到库中的模板，而是能够替代地使用解剖参考扫描将库或来自库的所使用的脑部活动的模板模式的子集变换到native空间。这将要求在功能性脑部成像之前进行解剖脑部扫描和更多计算，但降低了实时计算要求。
150.因此，例如，当要求对新的患者采集新的扫描时，利用参考扫描(或该库的子集)来计算新的患者与库中的数据之间的相似度/距离度量。如果怀疑精神分裂症，则能够通过计算新的脑部扫描与来自精神分裂症患者和健康成年人的集合的参考扫描之间的相似度来约束该问题。然后确定该模式是与健康成年人更相似还是与精神分裂症患者更相似，并且该系统基于相似度做出了推荐。有许多不同的算法来计算相似度，例如，绝对差异或皮尔逊相关性。
151.能够利用“归一化”过程，这是因为每个人的脑部都具有独特的形状，而不管活动的差异如何。因此，每次脑部扫描都被变换到共享的“地图集”空间中(这能够被认为是一种空间归一化)。地图集空间还具有坐标系。在该坐标系中，已知例如坐标x、y、z是脑部区域y，并且hcp任务图也被变换到该空间。在地图集空间中，仅仅比较了两人之间的区域y中的活动。能够使用两种方法来提供这种空间归一化：
152.方法1(native2atlas)：随着数据的进来，该装置/系统分析扫描并将新的数据变换到地图集空间。因此，该装置/系统确实在运行中从native空间(患者)变换到模板空间并且与地图集空间中的新的数据相匹配。
153.方法2(atlas2native)：该装置/系统将来自库的扫描集合带入患者的native空间。这种逆变换能够产生更好的结果(数据丢失较少)。然而，要求更大的计算量，因为无法变换整个库。因此，这将要求关于库中哪些子集模板很重要的先验知识。然而，如果在任务fmri扫描前可以获得或进行解剖扫描，则能够提前完成这些逆atlas2native变换。在这种情况下，它实际上会降低实时计算负担，因为不再需要执行实时空间归一化，并且该装置/系统能够立即计算相似度。
154.以下是推荐系统的特征：
155.在简单的直接情况下，推荐系统能够建议增加采集时间以识别具有所期望的信号强度的特定脑部区域或皮质网络中的特定电极。
156.当来自电极、脑部区或网络的期望信号示出太多噪声时，推荐器能够识别噪声的来源(例如，运动、呼吸、操作者错误、系统不稳定性)并且建议改进手段以供进一步采集。
157.在包括电影在内的自然主义范式的环境中，推荐系统能够用于推荐具有特定内容的电影，以便识别患者的分离亚型的网络。
158.绘制在脑部肿瘤附近的任务诱发的活动。当功能性磁共振成像(fmri)用于肿瘤患者的术前规划时，通常使用语言任务，而不管脑部肿瘤的确切位置如何。
159.在发育障碍中，能够利用eeg有效地实施不同类型的语言任务以进行诊断。
160.在另一示例性实施例中，提供了计算机程序或计算机程序单元，其特征在于，其被配置为在适当的装置或系统上运行根据前述实施例之一的方法的方法步骤。
161.因此，计算机程序单元可以被存储在计算机单元中，该计算机程序单元也可能是实施例的部分。该计算单元可以被配置为执行或引起对上述方法的步骤的执行。此外，该计算单元可以被配置为操作上述装置和/或系统的部件。该计算单元能够被配置为自动操作和/或运行用户的命令。计算机程序可以被加载到数据处理器的工作存储器中。因此，可以装备数据处理器来执行根据前述实施例之一的方法。
162.本发明的该示例性实施例覆盖从一开始就使用本发明的计算机程序，以及借助于将现有程序更新转换为使用本发明的程序的计算机程序这两者。
163.另外，计算机程序单元可能能够提供所有必要步骤以完成如上所述的方法的示例性实施例的流程。
164.根据本发明的另外的示例性实施例，提出了一种计算机可读介质，例如，cd-rom、usb棒等，其中，该计算机可读介质具有被存储于所述计算机可读介质上的计算机程序单元，所述计算机程序单元由前面的章节所描述。
165.计算机程序可以被存储和/或分布在合适的介质上，例如，与其他硬件一起或作为其他硬件的部分而供应的光学存储介质或固态介质，但是也可以以其他形式分布，例如，经由互联网或其他有线或无线的电信系统进行分布。
166.然而，计算机程序也可以存在于网络(如万维网)上，并且能够从这样的网络被下载到数据处理器的工作存储器中。根据本发明的另外的示例性实施例，提供了用于使计算机程序单元可用于下载的介质，所述计算机程序单元被布置为执行根据本发明的前述实施例之一的方法。
167.必须指出，本发明的实施例是参考不同主题来描述的。尤其地，一些实施例是参考方法型权利要求来描述的，而其他实施例是参考装置型权利要求来描述的。然而，除非另有
说明，否则本领域技术人员将从以上和以下的描述中推断出，除了属于一种类型的主题的特征的任意组合以外，涉及不同主题的特征之间的任意组合也被认为在本技术中得到公开。然而，所有的特征都能够被组合来提供多于特征的简单加合的协同效应。
168.虽然已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述应当被认为是图示性或示例性的，而非限制性的。本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。
169.在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。虽然某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应被解释为对范围的限制。