CN111242893A - 神经系统影像分析方法和装置 - Google Patents
神经系统影像分析方法和装置 Download PDFInfo
- Publication number
- CN111242893A CN111242893A CN201911392672.0A CN201911392672A CN111242893A CN 111242893 A CN111242893 A CN 111242893A CN 201911392672 A CN201911392672 A CN 201911392672A CN 111242893 A CN111242893 A CN 111242893A
- Authority
- CN
- China
- Prior art keywords
- symptom
- standard
- symptom information
- information
- nervous system
- 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.)
- Granted
Links
- 210000000653 nervous system Anatomy 0.000 title claims abstract description 57
- 238000003703 image analysis method Methods 0.000 title abstract description 13
- 208000024891 symptom Diseases 0.000 claims abstract description 209
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 238000003860 storage Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims description 8
- 201000010099 disease Diseases 0.000 claims description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 7
- 210000004227 basal ganglia Anatomy 0.000 claims description 6
- 210000001638 cerebellum Anatomy 0.000 claims description 6
- 210000004720 cerebrum Anatomy 0.000 claims description 6
- 210000004055 fourth ventricle Anatomy 0.000 claims description 6
- 210000003140 lateral ventricle Anatomy 0.000 claims description 6
- 210000001699 lower leg Anatomy 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 210000001103 thalamus Anatomy 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 abstract description 21
- 230000001537 neural effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- BALXUFOVQVENIU-KXNXZCPBSA-N pseudoephedrine hydrochloride Chemical compound [H+].[Cl-].CN[C@@H](C)[C@@H](O)C1=CC=CC=C1 BALXUFOVQVENIU-KXNXZCPBSA-N 0.000 description 3
- 210000003169 central nervous system Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001428 peripheral nervous system Anatomy 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 210000003792 cranial nerve Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 206010061311 nervous system neoplasm Diseases 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000021317 sensory perception Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000001032 spinal nerve Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- 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
- G06T2207/30—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
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例提供了一种神经系统影像分析方法、装置、电子设备和计算机可读存储介质。该神经系统影像分析方法包括：获取待分析神经系统影像的征象信息，其中，所述征象信息包括多个征象分别对应的多个征象表征取值；将所述征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，所述标准征象信息包括与所述多个征象分别对应的多个标准征象表征取值集，所述标准征象表征取值集包括至少一个标准征象表征取值；以及当所述征象信息的每个征象表征取值都落入到一个所述标准征象信息的每个对应的标准征象表征取值集中时，将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户。
Description
技术领域
本申请涉及数据分析技术领域，具体涉及一种神经系统影像分析方法、装置、电子设备和计算机可读存储介质。
背景技术
神经系统疾病的影像诊断和临床诊断一直是神经内科与神经外科的重点和难点，对于占位性病变的影像诊断，往往关系到后续治疗的决策方案。影像科医生与神经内(外)科医生日常阅片是基于先验知识的积累和疾病特殊征象的感官认识。由于神经系统肿瘤及占位性病变变化多样且种类亚型繁多，往往会存在诊断不明确、鉴别诊断不清晰的情况。传统的神经系统影像分析主要依靠翻阅资料式搜索分析结果以及传统的互联网搜索引擎搜索分析结果，这些分析方式均存在因呈现信息不集中而导致准确率低，以及获取信息的效率低等问题。
发明内容
有鉴于此，本申请实施例提供了一种神经系统影像分析方法、装置、电子设备和计算机可读存储介质，解决了现有神经系统影像分析的准确率低和效率低的问题。
根据本申请的一个方面，本申请一实施例提供的一种神经系统影像分析方法包括：获取待分析神经系统影像的征象信息，其中，所述征象信息包括多个征象分别对应的多个征象表征取值；将所述征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，所述标准征象信息包括与所述多个征象分别对应的多个标准征象表征取值集，所述标准征象表征取值集包括至少一个标准征象表征取值；以及当所述征象信息的每个征象表征取值都落入到一个所述标准征象信息的每个对应的标准征象表征取值集中时，将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户。
在本申请一实施例中，所述获取待分析神经系统影像的征象信息包括：根据所述多个征象表征取值对应生成多个问题，将所述多个问题按预设顺序发送给用户；以及接收用户对于所述多个问题的多个应答。
在本申请一实施例中，所述多个征象对应神经系统的多个发病位置；其中，所述多个发病位置包括以下几项中的任意组合：大脑半球、基底节及丘脑、鞍区、桥小脑脚、侧脑室、小脑及第四脑室和松果体区。
在本申请一实施例中，所述数据库进一步包括与所述多个分析结果对应的多个典型病历信息；其中，在所述将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户之后，所述方法进一步包括：将该一个所述标准征象信息所对应的所述分析结果对应的所述典型病历信息反馈给用户。
根据本申请的另一个方面，本申请一实施例提供的一种神经系统影像分析装置包括：获取模块，配置为获取待分析神经系统影像的征象信息，其中，所述征象信息包括多个征象分别对应的多个征象表征取值；比对模块，配置为将所述征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，所述标准征象信息包括与所述多个征象分别对应的多个标准征象表征取值集，所述标准征象表征取值集包括至少一个标准征象表征取值；以及反馈模块，配置为当所述征象信息的每个征象表征取值都落入到一个所述标准征象信息的每个对应的标准征象表征取值集中时，将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户。
在本申请一实施例中，所述获取模块进一步配置为：根据所述多个征象表征取值对应生成多个问题，将所述多个问题按预设顺序发送给用户；以及接收用户对于所述多个问题的多个应答。
在本申请一实施例中，所述多个征象对应神经系统的多个发病位置；其中，所述多个发病位置包括以下几项中的任意组合：大脑半球、基底节及丘脑、鞍区、桥小脑脚、侧脑室、小脑及第四脑室和松果体区。
在本申请一实施例中，所述数据库进一步包括与所述多个分析结果对应的多个典型病历信息；其中，所述反馈模块进一步配置为：在所述将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户之后，将该一个所述标准征象信息所对应的所述分析结果对应的所述典型病历信息反馈给用户。
根据本申请的另一方面，本申请一实施例提供了一种电子设备，包括：处理器；存储器；以及存储在存储器中的计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一项所述的神经系统影像分析方法。
根据本申请的另一方面，本申请一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如前任一所述的神经系统影像分析方法。
根据本申请的另一方面，本申请一实施例提供了一种计算机程序产品，包括计算机程序指令，所述计算机程序指令在被处理器运行时使得处理器执行如上述任一所述的神经系统影像分析方法。
本申请实施例提供的一种神经系统影像分析方法、装置、电子设备和计算机可读存储介质，通过预先建立分析数据库以建立起分析结果与标准征象表征取值之间的对应关系，当获取到待分析神经影像的征象信息时，通过数据比对的方法即可确定待分析神经影像的征象信息的征象表征取值落入了哪个标准征象信息的标准征象取值集中，由此便可确定与该征象信息对应的分析结果。由此可见，采用本申请实施例所提供的神经系统影响分析方式，整个过程可通过数据处理的方式自行高效完成，且由于分析数据库可预先建立，分析参考的标准数据的准确性可有效控制，分析结果的准确率高，相比于现有传统的翻阅资料式搜索和互联网搜索引擎搜索，可大大提高神经网络影像分析的的准确率和效率。
附图说明
图1所示为本申请一实施例提供的一种神经系统影像分析方法的流程图。
图2a所示为本申请一实施例提供的标准征象信息A的结构示意图。
图2b所示为本申请一实施例提供的标准征象信息B的结构示意图。
图2c所示为本申请一实施例提供的待分析神经系统影响的征象信息的结构示意图。
图3所示为本申请一实施例提供的一种神经系统影像分析方法中获取待分析神经系统影像的征象信息的流程示意图。
图4所示为本申请一实施例提供的神经系统影像分析装置的结构示意图。
图5所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1所示为本申请一实施例提供的一种神经系统影像分析方法的流程示意图。如图1所示，该神经系统影像分析方法包括：
步骤101：获取待分析神经系统影像的征象信息，其中，征象信息包括多个征象分别对应的多个征象表征取值。
神经系统(nervous system)是机体内对生理功能活动的调节起主导作用的系统，主要由神经组织组成，分为中枢神经系统和周围神经系统两大部分。中枢神经系统又包括脑和脊髓，周围神经系统包括脑神经和脊神经。神经系统疾病的诊断目前可通过分析神经系统影像(例如电子计算机断层扫描的方式获取)中的征象进行。征象信息可包括多个征象分别对应的多个征象表征取值，每个征象表征取值用于表征对应的征象。
在本申请一实施例中，多个征象可对应神经系统的多个发病位置，其中，该多个发病位置可包括以下几项中的任意组合：大脑半球、基底节及丘脑、鞍区、桥小脑脚、侧脑室、小脑及第四脑室和松果体区。然而应当理解，根据实际应用场景需求的不同，该多个征象也可对应神经系统的其他发病位置，本申请对此不做严格限定。
例如图2c所示，该征象信息就可包括征象1、征象2、征象3、征象4和征象5五种征象，该五种征象分别对应的征象表征取值可分别为a2、b1、c2、d1和e2。
步骤102：将征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，标准征象信息包括与多个征象分别对应的多个标准征象表征取值集，标准征象表征取值集包括至少一个标准征象表征取值。
分析数据库为预先建立的，分析数据库可包括多个分析结果，每个分析结果有对应的标准征象信息，这样当确定了与待分析神经影像的征象信息对应的标准征象信息时，也就确定了对应的分析结果。具体而言，标准征象信息也包括与多个征象分别对应的多个标准征象表征取值集，每个标准征象标准取值集包括至少一个标准征象表征取值。
例如，在一个分析数据库中，就可包括分析结果A(如图2a所示)和分析结果B(如图2b所示)。分析结果A对应的标准征象信息A也包括征象1、征象2、征象3、征象4和征象5五种征象，该五种征象分别对应的标准征象表征取值集分别为(a1、a2、a3)、(b2、b3)、(c1、c2)、(d1、d2)和(e1)。分析结果B对应的标准征象信息B也包括征象1、征象2、征象3、征象4和征象5五种征象，该五种征象分别对应的标准征象表征取值集分别为(a2、a3)、(b1、b3)、(c2)、(d1、d2)和(e1、e2)。应当理解，上述的字母和数字组合(例如a1)仅用作指代具体的征象标准取值，实际上的征象表征取值是有具体的医学含义的。然而根据实际应用场景的不同，征象表征取值和标准征象表征取值的具体内容可有所调整，本申请对此不做严格限定。
步骤103：当征象信息的每个征象表征取值都落入到一个标准征象信息的每个对应的标准征象表征取值集中时，将该一个标准征象信息所对应的分析结果以及征象信息反馈给用户。
当待分析神经系统影像的征象表征取值与一个标准征象表征取值对应时，则认为该征象表征取值落入了该标准征象表征取值所对应的标准征象表征取值集。而当征象信息的每个征象表征取值都落入到一个标准征象信息的每个对应的标准征象表征取值集中时，则认为找到了与待分析神经系统影像对应的标准征象信息，也就找到了与该待分析神经系统影像对应的分析结果。此时将该分析结果和该征象信息反馈给用户即可，以使得用户可以在很短的时间内容获取到分析结果以及对应的征象信息罗列。
例如，通过将图2c与图2a和图2b进行比对，发现图2c中的每个征象表征取值都对应落入了图2b的标准征象表征取值集，因此图2b所示的标准征象信息B所对应的分析结果B即为与待分析神经系统影像对应的分析结果。
在本申请一实施例中，数据库进一步包括与多个分析结果对应的多个典型病历信息。这样在将该一个标准征象信息所对应的分析结果以及征象信息反馈给用户之后，还可将该一个标准征象信息所对应的分析结果对应的典型病历信息反馈给用户。这样可使得用户可以通过参考对应的典型病历信息，进一步加深对分析结果的理解和认识，以更好的利用分析结果进行后续的分析工作。
在本申请一实施例中，如图3所示，获取待分析神经系统影像的征象信息的具体过程可包括：
步骤201：根据多个征象表征取值对应生成多个问题，将多个问题按预设顺序发送给用户。
步骤202：接收用户对于多个问题的多个应答。
应当理解，上述获取征象信息的具体方式可以是有顺序的一问一答的形式进行，也可以是一次性发送给用户多个问题，然后用户以填空或选择备选项的方式给出每个问答的应答，本申请对获取征象信息的具体方式不做严格限定。
由此可见，本申请实施例提供的一种神经系统影像分析方法，通过预先建立分析数据库以建立起分析结果与标准征象表征取值之间的对应关系，当获取到待分析神经影像的征象信息时，通过数据比对的方法即可确定待分析神经影像的征象信息的征象表征取值落入了哪个标准征象信息的标准征象取值集中，由此便可确定与该征象信息对应的分析结果。由此可见，采用本申请实施例所提供的神经系统影响分析方式，整个过程可通过数据处理的方式自行高效完成，且由于分析数据库可预先建立，分析参考的标准数据的准确性可有效控制，分析结果的准确率高，相比于现有传统的翻阅资料式搜索和互联网搜索引擎搜索，可大大提高神经网络影像分析的准确率和效率。
图4所示为本申请一实施例提供的神经系统影像分析装置的结构示意图。如图4所示，该一种神经系统影像分析装置40包括：
获取模块401，配置为获取待分析神经系统影像的征象信息，其中，征象信息包括多个征象分别对应的多个征象表征取值；
比对模块402，配置为将征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，标准征象信息包括与多个征象分别对应的多个标准征象表征取值集，标准征象表征取值集包括至少一个标准征象表征取值；以及
反馈模块403，配置为当征象信息的每个征象表征取值都落入到一个标准征象信息的每个对应的标准征象表征取值集中时，将该一个标准征象信息所对应的分析结果以及征象信息反馈给用户。
本申请实施例提供的一种神经系统影像分析装置，通过预先建立分析数据库以建立起分析结果与标准征象表征取值之间的对应关系，当获取到待分析神经影像的征象信息时，通过数据比对的方法即可确定待分析神经影像的征象信息的征象表征取值落入了哪个标准征象信息的标准征象取值集中，由此便可确定与该征象信息对应的分析结果。由此可见，采用本申请实施例所提供的神经系统影响分析方式，整个过程可通过数据处理的方式自行高效完成，且由于分析数据库可预先建立，分析参考的标准数据的准确性可有效控制，分析结果的准确率高，相比于现有传统的翻阅资料式搜索和互联网搜索引擎搜索，可大大提高神经网络影像分析的的准确率和效率。
在本申请一实施例中，获取模块401进一步配置为：根据多个征象表征取值对应生成多个问题，将多个问题按预设顺序发送给用户；以及接收用户对于多个问题的多个应答。
在本申请一实施例中，多个征象对应神经系统的多个发病位置；其中，多个发病位置包括以下几项中的任意组合：大脑半球、基底节及丘脑、鞍区、桥小脑脚、侧脑室、小脑及第四脑室和松果体区。
在本申请一实施例中，数据库进一步包括与多个分析结果对应的多个典型病历信息；其中，反馈模块403进一步配置为：在将该一个标准征象信息所对应的分析结果以及征象信息反馈给用户之后，将该一个标准征象信息所对应的分析结果对应的典型病历信息反馈给用户。
上述神经系统影像分析装置40中的各个模块的具体功能和操作已经在上面参考图1到图4描述的神经系统影像分析方法中进行了详细介绍。因此，这里将省略其重复描述。
需要说明的是，根据本申请实施例的神经系统影像分析装置40可以作为一个软件模块和/或硬件模块而集成到电子设备50中，换言之，该电子设备50可以包括该神经系统影像分析装置40。例如，该神经系统影像分析装置40可以是该电子设备50的操作系统中的一个软件模块，或者可以是针对于其所开发的一个应用程序；当然，该神经系统影像分析装置40同样可以是该电子设备50的众多硬件模块之一。
在本申请另一实施例中，该神经系统影像分析装置40与该电子设备50也可以是分立的设备(例如，服务器)，并且该神经系统影像分析装置40可以通过有线和/或无线网络连接到该电子设备50，并且按照约定的数据格式来传输交互信息。
图5所示为本申请一实施例提供的电子设备的结构示意图。如图5所示，该电子设备50包括：一个或多个处理器501和存储器502；以及存储在存储器502中的计算机程序指令，计算机程序指令在被处理器501运行时使得处理器501执行如上述任一实施例的神经系统影像分析方法。
处理器501可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器502可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器501可以运行程序指令，以实现上文的本申请的各个实施例的神经系统影像分析方法中的步骤以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如光线强度、补偿光强度、滤光片的位置等信息。
在一个示例中，电子设备50还可以包括：输入装置503和输出装置504，这些组件通过总线系统和/或其他形式的连接机构(图5中未示出)互连。
例如，在该电子设备是如工业生产线上的机器人时，该输入装置503可以是摄像头，用于捕捉待加工零件的位置。在该电子设备是单机设备时，该输入装置503可以是通信网络连接器，用于从外部的可移动设备接收所采集的输入信号。此外，该输入装置503还可以包括例如键盘、鼠标、麦克风等等。
该输出装置504可以向外部输出各种信息，例如可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图5中仅示出了该电子设备50中与本申请有关的组件中的一些，省略了诸如总线、输入装置/输出接口等组件。除此之外，根据具体应用情况，电子设备50还可以包括任何其他适当的组件。
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一实施例的神经系统影像分析方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性神经系统影像分析方法”部分中描述的根据本申请各种实施例的神经系统影像分析方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器((RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种神经系统影像分析方法，其特征在于，包括：
获取待分析神经系统影像的征象信息，其中，所述征象信息包括多个征象分别对应的多个征象表征取值；
将所述征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，所述标准征象信息包括与所述多个征象分别对应的多个标准征象表征取值集，所述标准征象表征取值集包括至少一个标准征象表征取值；以及
当所述征象信息的每个征象表征取值都落入到一个所述标准征象信息的每个对应的标准征象表征取值集中时，将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户。
2.根据权利要求1所述的方法，其特征在于，所述获取待分析神经系统影像的征象信息包括：
根据所述多个征象表征取值对应生成多个问题，将所述多个问题按预设顺序发送给用户；以及
接收用户对于所述多个问题的多个应答。
3.根据权利要求1所述的方法，其特征在于，所述多个征象对应神经系统的多个发病位置；
其中，所述多个发病位置包括以下几项中的任意组合：大脑半球、基底节及丘脑、鞍区、桥小脑脚、侧脑室、小脑及第四脑室和松果体区。
4.根据权利要求1所述的方法，其特征在于，所述数据库进一步包括与所述多个分析结果对应的多个典型病历信息；
其中，在所述将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户之后，所述方法进一步包括：
将该一个所述标准征象信息所对应的所述分析结果对应的所述典型病历信息反馈给用户。
5.一种神经系统影像分析装置，其特征在于，包括：
获取模块，配置为获取待分析神经系统影像的征象信息，其中，所述征象信息包括多个征象分别对应的多个征象表征取值；
比对模块，配置为将所述征象信息与预先建立的分析数据库中的多个分析结果对应的多个标准征象信息进行比对，其中，所述标准征象信息包括与所述多个征象分别对应的多个标准征象表征取值集，所述标准征象表征取值集包括至少一个标准征象表征取值；以及
反馈模块，配置为当所述征象信息的每个征象表征取值都落入到一个所述标准征象信息的每个对应的标准征象表征取值集中时，将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户。
6.根据权利要求5所述的装置，其特征在于，所述获取模块进一步配置为：根据所述多个征象表征取值对应生成多个问题，将所述多个问题按预设顺序发送给用户；以及接收用户对于所述多个问题的多个应答。
7.根据权利要求5所述的装置，其特征在于，所述多个征象对应神经系统的多个发病位置；
其中，所述多个发病位置包括以下几项中的任意组合：大脑半球、基底节及丘脑、鞍区、桥小脑脚、侧脑室、小脑及第四脑室和松果体区。
8.根据权利要求5所述的装置，其特征在于，所述数据库进一步包括与所述多个分析结果对应的多个典型病历信息；
其中，所述反馈模块进一步配置为：
在所述将该一个所述标准征象信息所对应的所述分析结果以及所述征象信息反馈给用户之后，将该一个所述标准征象信息所对应的所述分析结果对应的所述典型病历信息反馈给用户。
9.一种电子设备，包括：
处理器；以及
存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至4中任一所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至4中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911392672.0A CN111242893B (zh) | 2019-12-30 | 2019-12-30 | 神经系统影像分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911392672.0A CN111242893B (zh) | 2019-12-30 | 2019-12-30 | 神经系统影像分析方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111242893A true CN111242893A (zh) | 2020-06-05 |
| CN111242893B CN111242893B (zh) | 2023-12-15 |
Family
ID=70874134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911392672.0A Active CN111242893B (zh) | 2019-12-30 | 2019-12-30 | 神经系统影像分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111242893B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113902642A (zh) * | 2021-10-13 | 2022-01-07 | 数坤(北京)网络科技股份有限公司 | 一种医学图像处理方法、装置、电子设备和存储介质 |
| CN114429493A (zh) * | 2022-01-26 | 2022-05-03 | 数坤(北京)网络科技股份有限公司 | 影像序列处理方法、装置、电子设备及存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100010831A1 (en) * | 2008-07-08 | 2010-01-14 | International Business Machines Corporation | Automatically determining ideal treatment plans for complex neuropsychiatric conditions |
| US20140142413A1 (en) * | 2012-11-16 | 2014-05-22 | Samsung Electronics Co., Ltd. | Computer-aided diagnosis method and apparatus |
| CN107092918A (zh) * | 2017-03-29 | 2017-08-25 | 太原理工大学 | 一种基于语义特征和有监督哈希的图像检索实现肺结节征象识别的方法 |
| JP2017188157A (ja) * | 2017-07-12 | 2017-10-12 | 一般社団法人 医科学総合研究所 | 病態判断装置、病態判断プログラム、及びそのプログラムを記憶したコンピュータ読取可能な記録媒体 |
| CN107993724A (zh) * | 2017-11-09 | 2018-05-04 | 易保互联医疗信息科技（北京）有限公司 | 一种医学智能问答数据处理的方法及装置 |
| JP2018120430A (ja) * | 2017-01-25 | 2018-08-02 | 株式会社メドレー | 医療情報提供方法、医療情報提供装置、及びプログラム |
| CN108630313A (zh) * | 2018-05-15 | 2018-10-09 | 伊琦忠 | 精神卫生质量控制数据处理方法及装置 |
| CN109378065A (zh) * | 2018-10-30 | 2019-02-22 | 医渡云（北京）技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
| CN109637651A (zh) * | 2018-10-31 | 2019-04-16 | 北京春雨天下软件有限公司 | 多医生推荐方法及装置、在线会诊系统 |
| CN109830284A (zh) * | 2017-11-23 | 2019-05-31 | 天启慧眼(北京)信息技术有限公司 | 医学影像的分析方法及装置 |
| CN110010245A (zh) * | 2019-03-20 | 2019-07-12 | 上海市精神卫生中心（上海市心理咨询培训中心） | 一种精神疾病脑影像处理系统 |
| CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
| US20210090254A1 (en) * | 2018-06-07 | 2021-03-25 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Image analysis method based on ultrasound imaging device, and ultrasound imaging device |
-
2019
- 2019-12-30 CN CN201911392672.0A patent/CN111242893B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100010831A1 (en) * | 2008-07-08 | 2010-01-14 | International Business Machines Corporation | Automatically determining ideal treatment plans for complex neuropsychiatric conditions |
| US20140142413A1 (en) * | 2012-11-16 | 2014-05-22 | Samsung Electronics Co., Ltd. | Computer-aided diagnosis method and apparatus |
| JP2018120430A (ja) * | 2017-01-25 | 2018-08-02 | 株式会社メドレー | 医療情報提供方法、医療情報提供装置、及びプログラム |
| CN107092918A (zh) * | 2017-03-29 | 2017-08-25 | 太原理工大学 | 一种基于语义特征和有监督哈希的图像检索实现肺结节征象识别的方法 |
| JP2017188157A (ja) * | 2017-07-12 | 2017-10-12 | 一般社団法人 医科学総合研究所 | 病態判断装置、病態判断プログラム、及びそのプログラムを記憶したコンピュータ読取可能な記録媒体 |
| CN107993724A (zh) * | 2017-11-09 | 2018-05-04 | 易保互联医疗信息科技（北京）有限公司 | 一种医学智能问答数据处理的方法及装置 |
| CN109830284A (zh) * | 2017-11-23 | 2019-05-31 | 天启慧眼(北京)信息技术有限公司 | 医学影像的分析方法及装置 |
| CN108630313A (zh) * | 2018-05-15 | 2018-10-09 | 伊琦忠 | 精神卫生质量控制数据处理方法及装置 |
| US20210090254A1 (en) * | 2018-06-07 | 2021-03-25 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Image analysis method based on ultrasound imaging device, and ultrasound imaging device |
| CN109378065A (zh) * | 2018-10-30 | 2019-02-22 | 医渡云（北京）技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
| CN109637651A (zh) * | 2018-10-31 | 2019-04-16 | 北京春雨天下软件有限公司 | 多医生推荐方法及装置、在线会诊系统 |
| CN110010245A (zh) * | 2019-03-20 | 2019-07-12 | 上海市精神卫生中心（上海市心理咨询培训中心） | 一种精神疾病脑影像处理系统 |
| CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113902642A (zh) * | 2021-10-13 | 2022-01-07 | 数坤(北京)网络科技股份有限公司 | 一种医学图像处理方法、装置、电子设备和存储介质 |
| CN114429493A (zh) * | 2022-01-26 | 2022-05-03 | 数坤(北京)网络科技股份有限公司 | 影像序列处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111242893B (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kuzovkin et al. | Activations of deep convolutional neural networks are aligned with gamma band activity of human visual cortex | |
| Jobst et al. | Increased stability and breakdown of brain effective connectivity during slow-wave sleep: mechanistic insights from whole-brain computational modelling | |
| Delorme | EEG is better left alone | |
| Wutz et al. | Different levels of category abstraction by different dynamics in different prefrontal areas | |
| Casali et al. | A theoretically based index of consciousness independent of sensory processing and behavior | |
| Li et al. | Targeting EEG/LFP synchrony with neural nets | |
| Spetsieris et al. | Identification of disease-related spatial covariance patterns using neuroimaging data | |
| Wang et al. | Real-time mental arithmetic task recognition from EEG signals | |
| Aljalal et al. | Detection of Parkinson’s disease from EEG signals using discrete wavelet transform, different entropy measures, and machine learning techniques | |
| Shekatkar et al. | Detecting abnormality in heart dynamics from multifractal analysis of ECG signals | |
| US10824225B2 (en) | Methods and apparatuses for determining head movement | |
| Chatterjee et al. | Bi-objective approach for computer-aided diagnosis of schizophrenia patients using fMRI data | |
| CN111223076B (zh) | 神经系统影像分析方法和装置 | |
| Raizada et al. | Pattern‐information fMRI: New questions which it opens up and challenges which face it | |
| Watanabe et al. | Fixational saccades reflect volitional action preparation | |
| US20180279960A1 (en) | Method and apparatus for real-time discriminative ocular artefact removal from eeg signals | |
| CN111242893B (zh) | 神经系统影像分析方法和装置 | |
| Dohmatob et al. | Brain topography beyond parcellations: local gradients of functional maps | |
| Malaia et al. | Functional connectivity in task-negative network of the Deaf: effects of sign language experience | |
| Du et al. | Neuromark: a fully automated ica method to identify effective fmri markers of brain disorders | |
| US20240312011A1 (en) | Information processing apparatus, operation method of information processing apparatus, operation program of information processing apparatus, prediction model, learning apparatus, and learning method | |
| Kiat et al. | Rapid extraction of the spatial distribution of physical saliency and semantic informativeness from natural scenes in the human brain | |
| Kwok et al. | Neural signatures of lexical tone reading | |
| Almarri et al. | Automatic subject-specific spatiotemporal feature selection for subject-independent affective BCI | |
| JP2016180649A (ja) | 画像処理装置、画像処理方法、及びプログラム |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |