CN110010245A - 一种精神疾病脑影像处理系统 - Google Patents

一种精神疾病脑影像处理系统 Download PDF

Info

Publication number
CN110010245A
CN110010245A CN201910214696.0A CN201910214696A CN110010245A CN 110010245 A CN110010245 A CN 110010245A CN 201910214696 A CN201910214696 A CN 201910214696A CN 110010245 A CN110010245 A CN 110010245A
Authority
CN
China
Prior art keywords
brain image
data
brain
mental disease
image data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910214696.0A
Other languages
English (en)
Inventor
杨志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Mental Health Center (shanghai Psychological Counseling And Training Center)
Original Assignee
Shanghai Mental Health Center (shanghai Psychological Counseling And Training Center)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Mental Health Center (shanghai Psychological Counseling And Training Center) filed Critical Shanghai Mental Health Center (shanghai Psychological Counseling And Training Center)
Priority to CN201910214696.0A priority Critical patent/CN110010245A/zh
Publication of CN110010245A publication Critical patent/CN110010245A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请提供了一种精神疾病脑影像处理系统，其包括数据管理单元、特征提取单元、质量控制单元、脑影像数据库和精神疾病辅助诊断单元，能够自动对接医院或检测设备，获取诊疗数据及临床信息等，对获取的数据进行质量评估和分析，并管理数据库信息，通过自动地匹配分析，在脑纹库中检索和匹配某精神疾病患者的各种类型的脑影像数据特征，实现基于单个精神疾病患者的脑影像数据的特征，推断其与各类精神疾病的相似程度，及可能的有效治疗方案。

Description

一种精神疾病脑影像处理系统
技术领域
本申请属于医学技术领域，涉及医学影像数据信息系统，尤其涉及一种精神疾病脑影像处理系统。
背景技术
随着互联网和移动通信技术的进步，使得移动互联网医疗目标的实现成为可能，但是目前，已有的移动互联网医疗终端功能较为单一，现在的医院信息系统已经相当完善，该系统也已经能够提供就诊人员的完整诊疗情况，这些数据的量十分庞大，利用价值还未被完全开发，对于数据的加工、发表等还需要具体人员去分类收集、归纳概括并将研究成果发布出来。这一研究周期很长，信息有效性、传播及时性以及权威性都难以保证。
在医学领域，脑影像数据可以定量化地显示患者的脑结构和脑功能特征，脑影像数据一直用于研究精神疾病患者的脑结构和脑功能损伤，但目前尚未能应用于临床辅助诊断。这一技术的实现依赖于高度自动化的脑影像获取、质量控制、分析(特征提取)、与临床信息对接、及人工智能疾病预测算法。
在精神疾病临床实践中，尚未实现将临床脑影像数据的特征与医院临床数据进行自动对接。脑影像数据通常由测试者采用移动硬盘、u盘、ftp软件等方式从脑影像获取设备中手动复制后，转移至数据分析设备，这样的方式耗时耗力，无法快速获取处于不同地区不同医院或设备得到的数据。
在精神疾病临床实践中，尚未实现利用脑影像数据对患某类精神疾病的可能性进行预测的系统，脑影像数据多用于研究，尚未用于辅助精神疾病诊断和质量方案建议，因此如果能够通过互联网和移动通信技术，在大数据层面分析整合，并应用到精神疾病辅助诊断上，有利于辅助医生直接获取当前病人的最相关情形以及处理手段，还可以通过数据库获取后续的结果，从而给出准确的预后。
目前，在精神疾病临床实践中，尚未出现对脑影像数据进行自动化质量评估的系统，脑影像数据的质量评估通常被忽略或在数据分析完成后，综合数据分析结果手动评估。
发明内容
为了解决目前存在的问题，将精神疾病脑影像的自动数据管理及临床信息对接，实现精神疾病脑影像数据的自动化质量评估和图像分析，从而基于精神疾病脑影像数据的自动疾病判别，并且还可以追踪相关病例的脑影像数据变化，同时记录处理方案以及疾病发展情况，从而有利于医生提供恰当的治疗方案，还可以在不同治疗方案下提供准确预后。
本申请提供了一种精神疾病脑影像处理系统，其包括数据管理单元、特征提取单元、质量控制单元、脑影像数据库和精神疾病辅助诊断单元，所述数据管理单元获取脑影像获取设备的数据，所述质量控制单元对脑影像数据进行质量控制，所述质量控制包括给出数据质量评估结果，所述特征提取单元对脑影像数据进行特征提取，所述脑影像数据库对所有脑影像数据的统一管理和存储，所述精神疾病辅助诊断单元基于所述特征提取单元获取的单个精神疾病患者的脑影像数据的特征，获取脑影像数据库中脑影像数据特征及对应精神疾病，推断其与各类精神疾病的相似程度，并给出可能的有效治疗方案。
进一步地，所述数据管理单元还包括脑影像数据信息解码器，所述脑影像数据信息解码器对脑影像获取设备与数据信息管理系统之间的自动数据传输和加密，同时对不同类型的脑影像数据自动分类、自动提取关键信息、自动加密隐私信息。
进一步地，所述质量控制单元还包括脑影像自动质量评估器，对各类型脑影像数据的自动质量评估。
进一步地，所述脑影像自动质量评估器还对脑影像数据进行级别分类。
进一步地，所述脑影像数据库包括数据对应模块，所述数据对应模块将脑结构和功能影像数据的特征及其对应临床信息的关联和存储。
进一步地，所述精神疾病辅助诊断单元包括脑纹匹配器，脑纹匹配器将单个患者的脑影像数据与数据库中的脑影像数据特征进行匹配筛选，并对病例排序以及匹配病例聚集程度测量，通过聚集程度加权及贝叶斯决策进行概率预测。
进一步地，所述特征提取单元提取fMRI指标、形态学指标以及DTI指标。
进一步地，所述质量控制单元还生成数据质量指标，其包括预分析质量评估模块和机器学习模块，所述预分析质量评估从图像对比度、灰度均匀性及运动伪影角度进行，所述机器学习模块对现有大规模数据的质量参数进行学习。
进一步地，所述数据管理单元分别与脑影像数据采集设备、医院信息系统进行数据交互，其包括文件解析模块、信息加工模块、医院信息系统关联模块以及数据类型分类模块。
本申请提供的处理系统，能够自动对接医院或检测设备，获取诊疗数据及临床信息等，对获取的数据进行质量评估和分析，并管理数据库信息，通过自动地匹配分析，在脑纹库中检索和匹配某精神疾病患者的各种类型的脑影像数据特征，实现基于单个精神疾病患者的脑影像数据的特征，推断其与各类精神疾病的相似程度，及可能的有效治疗方案。
附图说明
图1是本申请的精神疾病脑影像处理系统的结构示意图；
图2是本申请中一个实施例中的精神疾病脑影像处理系统工作流程图；
图3是本申请中一个实施例中的脑影像数据信息解码器模块构架图；
图4是本申请中一个实施例中的脑影像数据自动化质量控制模块构架图；
图5是本申请中一个实施例中的脑影像特征自动提取器模块构架图。
图6是本申请中一个实施例中的脑纹匹配器模块构架图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
在以下描述中，阐述了描述本公开的一些实施例的具体细节。然而，对于本领域技术人员而言将明显的是，一些实施例可以在没有这些具体细节中的一些或全部的情况下实施。本文中所公开的具体实施例旨在解说性而非限制性。尽管未在此处具体描述，但本领域技术人员可以认识到其他元素落在本公开的范围和精神内。
下面将结合附图及具体实施例对本发明作进一步详细说明。
参见图1、图2，图1是本申请的精神疾病脑影像处理系统的结构示意图，图2是本申请中一个实施例中的精神疾病脑影像处理系统工作流程图，本申请的一种精神疾病脑影像处理系统10，其包括数据管理单元11、特征提取单元14、质量控制单元13、脑影像数据库12和精神疾病辅助诊断单元15，所述数据管理单元11获取脑影像获取设备的数据，所述质量控制单元13对脑影像数据进行质量控制，所述质量控制包括给出数据质量评估结果，所述特征提取单元14对脑影像数据进行特征提取，所述脑影像数据库12对所有脑影像数据的统一管理和存储，所述精神疾病辅助诊断单元15基于所述特征提取单元14获取的单个精神疾病患者的脑影像数据的特征，获取脑影像数据库12中脑影像数据特征及对应精神疾病，推断其与各类精神疾病的相似程度，并给出可能的有效治疗方案。
所述数据管理单元11还包括脑影像数据信息解码器，所述脑影像数据信息解码器对脑影像获取设备与数据信息管理系统之间的自动数据传输和加密，同时对不同类型的脑影像数据自动分类、自动提取关键信息、自动加密隐私信息。实现将脑结构和功能影像数据与医院信息系统(HIS)的对接，这是将脑影像数据应用于精神疾病临床实践的重要基础技术，这是整个处理系统的数据来源，当数据来源越广、数据量越多时，本申请影像处理系统10便能够更准确地提供辅助诊断及治疗方案。
进一步地，所述数据管理单元11分别与脑影像数据采集设备、医院信息系统进行数据交互，其包括文件解析模块、信息加工模块、医院信息系统关联模块以及数据类型分类模块。文件解析模块可以自动地对文件头进行解析，具体地，例如对dicom文件头进行解析，信息加工模块实现关键信息提取和加密，同时还对隐私信息去除，将隐私信息去除后能够防止患者信息泄露，从而使影像处理系统10更客观。参见图3，图3是本申请中一个实施例中的脑影像数据信息解码器模块构架图。
在具体应用中，脑影像数据信息解码器可以从脑影像数据采集设备或医院信息系统直接获取信息，获取信息的方式采用互联网或移动通信技术，可以分别与采集设备使用者或医院签订相关许可协议，也可以同时将该系统提供给采集设备使用者或医院，实现互利共赢。
进一步地，所述质量控制单元13还包括脑影像自动质量评估器，对各类型脑影像数据的自动质量评估。影像数据质量的好坏决定了依据影像数据所作的判断，因此需要对影像数据进行质量评估，质量评估包括建立标准的比较基准，在同一基准下，通过计算机技术实现自动的标准下判定，判断影像数据是否符合系统自动判断所要求的质量，在未达到标准时，可以将相关信息反馈至数据管理单元11，进一步反馈至采集设备使用者或医院，从而获取符合质量要求的影像数据。
进一步地，所述质量控制单元13还生成数据质量指标，其包括预分析质量评估模块和机器学习模块，所述预分析质量评估从图像对比度、灰度均匀性及运动伪影角度进行，所述机器学习模块对现有大规模数据的质量参数进行学习。例如可以采用脑影像数据自动化质量控制模块，其具体的架构图参见图4。
进一步地，所述脑影像自动质量评估器还对脑影像数据进行级别分类，对影像数据级别进行分类后，能够将相关分类信息提供给处理系统使用者，使用者可以根据不同级别的实际效果，对处理系统给出的辅助信息给出自己的判断。
进一步地，所述脑影像数据库12包括数据对应模块，所述数据对应模块将脑结构和功能影像数据的特征及其对应临床信息的关联和存储。
进一步地，所述特征提取单元14提取fMRI指标、形态学指标以及DTI指标，具体的实现方式参见图5，图5是本申请中一个实施例中的脑影像特征自动提取器模块构架图，自动提取中包括提取fMRI指标、提取形态学指标以及提取DTI指标，在提取fMRI指标时，包括头动校正、时间层校正、无关变异回归和滤波，变换到MNI152标准空间，或通过配准到T1像变换到MNI152标准空间，在无关变异回归时还考虑组织分割情况。在提取形态学指标时，包括偏差校正、脑提取，然后从组织分割、基于皮层的形态学分析以及配准到MNI152标准空间角度来提取形态学指标。提取DTI指标时，通过配准到T1像变换到MNI152标准空间，同时考虑涡流校正和张量拟合。在配准到T1像变换到MNI152标准空间时还需考虑脑提取情况。
进一步地，所述精神疾病辅助诊断单元15包括脑纹匹配器，脑纹匹配器将单个患者的脑影像数据与数据库中的脑影像数据特征进行匹配筛选，并对病例排序以及匹配病例聚集程度测量，通过聚集程度加权及贝叶斯决策进行概率预测。参见图6，图6是本申请中一个实施例中的脑纹匹配器模块构架图，在匹配过程中，对不同的特征分别进行搜索匹配病例、病例排序、匹配病例聚集程度测量，通过聚集程度加权及贝叶斯决策进行概率预测。
本申请的精神疾病脑影像处理系统，通过精神疾病脑影像的自动数据管理及临床信息对接，通过计算机技术进行精神疾病脑影像数据的自动化质量评估和图像分析，从而实现基于精神疾病脑影像数据的自动疾病判别。
本申请提供了一种精神疾病脑影像处理系统，包括数据管理单元、特征提取单元、质量控制单元、脑影像数据库和精神疾病辅助诊断单元，能够自动对接医院或检测设备，获取诊疗数据及临床信息等，对获取的数据进行质量评估和分析，并管理数据库信息，通过自动地匹配分析，在脑纹库中检索和匹配某精神疾病患者的各种类型的脑影像数据特征，通过大数据和计算机自动判断分析，实现基于单个精神疾病患者的脑影像数据的特征，推断其与各类精神疾病的相似程度，及可能的有效治疗方案。
附图中描述关系的用于仅用于示例性说明，不能理解为对本专利的限制，显然，本申请的上述实施例仅仅是为清楚地说明本申请所作的举例，而并非是对本申请的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请权利要求的保护范围之内。

Claims (9)

1.一种精神疾病脑影像处理系统，其包括数据管理单元、特征提取单元、质量控制单元、脑影像数据库和精神疾病辅助诊断单元，其特征在于：
所述数据管理单元获取脑影像获取设备的数据；
所述质量控制单元对脑影像数据进行质量控制，所述质量控制包括给出数据质量评估结果；
所述特征提取单元对脑影像数据进行特征提取；
所述脑影像数据库对所有脑影像数据的统一管理和存储；
所述精神疾病辅助诊断单元基于所述特征提取单元获取的单个精神疾病患者的脑影像数据的特征，获取脑影像数据库中脑影像数据特征及对应精神疾病，推断其与各类精神疾病的相似程度，并给出可能的有效治疗方案。
2.根据权利要求1所述的精神疾病脑影像处理系统，其特征在于，所述数据管理单元还包括脑影像数据信息解码器，所述脑影像数据信息解码器对脑影像获取设备与数据信息管理系统之间的自动数据传输和加密，同时对不同类型的脑影像数据自动分类、自动提取关键信息、自动加密隐私信息。
3.根据权利要求1或2所述的精神疾病脑影像处理系统，其特征在于，所述质量控制单元还包括脑影像自动质量评估器，对各类型脑影像数据的自动质量评估。
4.根据权利要求3所述的精神疾病脑影像处理系统，其特征在于，所述脑影像自动质量评估器还对脑影像数据进行级别分类。
5.根据权利要求1所述的精神疾病脑影像处理系统，其特征在于，所述脑影像数据库包括数据对应模块，所述数据对应模块将脑结构和功能影像数据的特征及其对应临床信息的关联和存储。
6.根据权利要求1所述的精神疾病脑影像处理系统，其特征在于，所述精神疾病辅助诊断单元包括脑纹匹配器，脑纹匹配器将单个患者的脑影像数据与数据库中的脑影像数据特征进行匹配筛选，并对病例排序以及匹配病例聚集程度测量，通过聚集程度加权及贝叶斯决策进行概率预测。
7.根据权利要求1所述的精神疾病脑影像处理系统，其特征在于，所述特征提取单元提取fMRI指标、形态学指标以及DTI指标。
8.根据权利要求1所述的精神疾病脑影像处理系统，其特征在于，所述质量控制单元还生成数据质量指标，其包括预分析质量评估模块和机器学习模块，所述预分析质量评估从图像对比度、灰度均匀性及运动伪影角度进行，所述机器学习模块对现有大规模数据的质量参数进行学习。
9.根据权利要求1所述的精神疾病脑影像处理系统，其特征在于，所述数据管理单元分别与脑影像数据采集设备、医院信息系统进行数据交互，其包括文件解析模块、信息加工模块、医院信息系统关联模块以及数据类型分类模块。
CN201910214696.0A 2019-03-20 2019-03-20 一种精神疾病脑影像处理系统 Pending CN110010245A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910214696.0A CN110010245A (zh) 2019-03-20 2019-03-20 一种精神疾病脑影像处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910214696.0A CN110010245A (zh) 2019-03-20 2019-03-20 一种精神疾病脑影像处理系统

Publications (1)

Publication Number Publication Date
CN110010245A true CN110010245A (zh) 2019-07-12

Family

ID=67167527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910214696.0A Pending CN110010245A (zh) 2019-03-20 2019-03-20 一种精神疾病脑影像处理系统

Country Status (1)

Country Link
CN (1) CN110010245A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110767283A (zh) * 2019-09-23 2020-02-07 吕粟 精神疾病影像学自动化报告系统及其方法
CN110956626A (zh) * 2019-12-09 2020-04-03 北京推想科技有限公司 一种基于图像的预后评估方法及装置
CN111223076A (zh) * 2019-12-30 2020-06-02 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
CN111242893A (zh) * 2019-12-30 2020-06-05 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
CN113160974A (zh) * 2021-04-16 2021-07-23 山西大学 一种基于超图聚类的精神疾病生物型发掘方法
CN113808735A (zh) * 2021-09-08 2021-12-17 山西大学 一种基于脑影像的精神疾病评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281630A (zh) * 2013-07-12 2015-01-14 上海联影医疗科技有限公司 一种基于云计算的医学影像数据挖掘方法
JP2016106940A (ja) * 2014-12-09 2016-06-20 株式会社Ｎｔｔデータ・アイ 脳疾患診断支援システム、脳疾患診断支援方法及びプログラム
CN107887027A (zh) * 2017-11-06 2018-04-06 广州优涵信息技术有限公司 一种自闭症诊疗系统
CN108288070A (zh) * 2018-01-12 2018-07-17 迈格生命科技（深圳）有限公司 一种神经指纹提取分类方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281630A (zh) * 2013-07-12 2015-01-14 上海联影医疗科技有限公司 一种基于云计算的医学影像数据挖掘方法
JP2016106940A (ja) * 2014-12-09 2016-06-20 株式会社Ｎｔｔデータ・アイ 脳疾患診断支援システム、脳疾患診断支援方法及びプログラム
CN107887027A (zh) * 2017-11-06 2018-04-06 广州优涵信息技术有限公司 一种自闭症诊疗系统
CN108288070A (zh) * 2018-01-12 2018-07-17 迈格生命科技（深圳）有限公司 一种神经指纹提取分类方法及系统

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110767283A (zh) * 2019-09-23 2020-02-07 吕粟 精神疾病影像学自动化报告系统及其方法
CN110767283B (zh) * 2019-09-23 2023-09-26 吕粟 精神疾病影像学自动化报告系统及其方法
CN110956626A (zh) * 2019-12-09 2020-04-03 北京推想科技有限公司 一种基于图像的预后评估方法及装置
CN110956626B (zh) * 2019-12-09 2020-12-18 推想医疗科技股份有限公司 一种基于图像的预后评估方法及装置
CN111223076A (zh) * 2019-12-30 2020-06-02 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
CN111242893A (zh) * 2019-12-30 2020-06-05 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
CN111223076B (zh) * 2019-12-30 2023-12-15 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
CN111242893B (zh) * 2019-12-30 2023-12-15 北京深睿博联科技有限责任公司 神经系统影像分析方法和装置
CN113160974A (zh) * 2021-04-16 2021-07-23 山西大学 一种基于超图聚类的精神疾病生物型发掘方法
CN113160974B (zh) * 2021-04-16 2022-07-19 山西大学 一种基于超图聚类的精神疾病生物型发掘方法
CN113808735A (zh) * 2021-09-08 2021-12-17 山西大学 一种基于脑影像的精神疾病评估方法
CN113808735B (zh) * 2021-09-08 2024-03-12 山西大学 一种基于脑影像的精神疾病评估方法

Similar Documents

Publication Publication Date Title
CN110010245A (zh) 一种精神疾病脑影像处理系统
Gargin et al. Application of the computer vision system for evaluation of pathomorphological images
De Moura et al. Deep convolutional approaches for the analysis of covid-19 using chest x-ray images from portable devices
Seghier et al. The PLORAS database: a data repository for predicting language outcome and recovery after stroke
Decenciere et al. TeleOphta: Machine learning and image processing methods for teleophthalmology
CN111524580B (zh) 一种基于神经网络的病毒筛查与防疫系统及方法
Aslam et al. Neurological Disorder Detection Using OCT Scan Image of Eye
DSouza et al. Classification of autism spectrum disorder from resting-state fMRI with mutual connectivity analysis
CN115862831B (zh) 一种智能在线预约诊疗管理系统及方法
Qian et al. Clinical Medical Detection and Diagnosis Technology Based on the AlexNet Network Model
KELEŞ Expert doctor verdis: integrated medical expert system
Sasi Kumar et al. DeepQ Residue Analysis of Brain Computer Classification and Prediction Using Deep CNN
CN114424941A (zh) 疲劳检测模型构建方法、疲劳检测方法、装置及设备
Kelly et al. Extracting complex lesion phenotypes in Zea mays
Alarcón-Paredes et al. Computer-aided diagnosis based on hand thermal, RGB images, and grip force using artificial intelligence as screening tool for rheumatoid arthritis in women
Puzniak et al. Deep learning-based detection of malformed optic chiasms from MRI images
Wei et al. Caudr: A causality-inspired domain generalization framework for fundus-based diabetic retinopathy grading
CN115116584A (zh) 一种基于5g的安全高效智慧医疗数据分析方法及装置
Haja et al. Advancing glaucoma detection with convolutional neural networks: a paradigm shift in ophthalmology
Bhatnagar et al. A Review on the Use of Artificial Intelligence in Fracture Detection
Guo et al. The Gap in the Thickness: Estimating Effectiveness of Pulmonary Nodule Detection in Thick-and Thin-Section CT Images with 3D Deep Neural Networks
Shahin et al. Deploying deep convolutional neural network to the battle against cancer: Towards flexible healthcare systems
Lee et al. Pupil detection and segmentation for diagnosis of Nystagmus with U-Net
Srirangam Artificial Intelligence Based Hyper-parameter Adjustment on Deep Neural Networks: An Application of Detection and Classification of COVID-19 Diseases
Venkataraman et al. A unified bayesian approach to extract network-based functional differences from a heterogeneous patient cohort

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190712