CN113948180A - 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质 - Google Patents

实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质 Download PDF

Info

Publication number
CN113948180A
CN113948180A CN202111207965.4A CN202111207965A CN113948180A CN 113948180 A CN113948180 A CN 113948180A CN 202111207965 A CN202111207965 A CN 202111207965A CN 113948180 A CN113948180 A CN 113948180A
Authority
CN
China
Prior art keywords
image
mental
disease
processor
brain
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
CN202111207965.4A
Other languages
English (en)
Inventor
杨志
李青峰
姜丽娟
胡杨
张骁晨
丁悦
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 Counselling Training Center
Original Assignee
Shanghai Mental Health Center Shanghai Psychological Counselling 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 Counselling Training Center filed Critical Shanghai Mental Health Center Shanghai Psychological Counselling Training Center
Priority to CN202111207965.4A priority Critical patent/CN113948180A/zh
Publication of CN113948180A publication Critical patent/CN113948180A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明涉及一种实现精神疾病影像报告生成处理的方法，包括根据送检被试的原始影像，评估图像整体的分辨率、噪声及灰度偏差等级；根据评估结果，计算图像的综合质量评级；截取送检数据的原始脑影像的冠状面、矢状面和横断面，以及大脑组织概率图的冠状面、矢状面和横断面。本发明还涉及一种实现精神疾病影像报告生成功能的装置、处理器及其计算机可读存储介质。采用了本发明的实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质，能够为精神科医师提供具有临床参考价值、具有可解释性的影像定量检查报告。该报告生成方法提供了根据临床需求组织影像分析结果，高效呈现临床需要的信息的方法。

Description

实现精神疾病影像报告生成处理的方法、装置、处理器及其计 算机可读存储介质
技术领域
本发明涉及医学技术领域，尤其涉及医学影像数据信息领域，具体是指一种实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质。
背景技术
精神疾病患者存在明显的脑结构和功能异常。但目前精神疾病诊断和治疗方法选择主要依赖于对症状的主观评估(如问诊和问卷评估)，而缺乏客观的测量手段，尤其是对脑的异常程度的评估手段。神经影像技术依据核磁共振成像原理，以高分辨率反映个体的脑的结构、功能和代谢特征。神经影像技术已经被广泛的应用于神经内科和神经外科外科等医学领域，为发现和诊断脑的器质性病变提供必要信息。
目前国内外已经开展了脑部疾病的影像定量分析和辅助诊断相关研究，包括利用深度学习方法对阿尔茨海默病进行辅助诊断、利用临床或科研数据对大脑形态指标进行分析等。目前，在精神健康领域尚未出现与临床需要相适应的影像报告系统。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种满足准确性高、效率高、适用范围较为广泛的实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质。
为了实现上述目的，本发明的实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质如下：
该实现精神疾病影像报告生成处理的方法，其主要特点是，所述的方法包括以下步骤：
(1)根据送检被试的原始影像，评估图像整体的分辨率、噪声及灰度偏差等级；
(2)根据评估结果，计算图像的综合质量评级；
(3)截取送检数据的原始脑影像的冠状面、矢状面和横断面，以及大脑组织概率图的冠状面、矢状面和横断面，作为影像质量评估报告的可视化部分；
所述的方法还包括各脑区域异常及精神疾病关联性诊断的步骤，具体包括以下处理过程：
(2-1)针对每个脑部结构分区，报告图像分析指标的数值、健康人群变异范围和影像指标异常分布图谱；
(2-2)提示超出正常范围的数值；
(2-3)显示异常特征与每种诊断类型的关联程度，以优势比表示；
所述的方法还包括生成关键脑影像特征分布图的步骤，具体包括以下处理过程：
(3-1)计算得到各神经影像特征对于识别精神疾病诊断类型的效应量，并提取效应量最高的若干特征；
(3-2)提取所述的特征上送检数据相对于健康人群的偏移量；
(3-3)根据效应量和脑区指标，调整人群百分位数；
(3-4)提供多元变量显示方式呈现某种疾病的关键特征异常概览，提示综合风险。
较佳地，所述的方法还包括共病诊断的步骤，具体包括以下处理过程：
(1-1)分别计算单种疾病识别结果；
(1-2)依据单种疾病的识别结果，分析共病情况；
(1-3)将概率阈值作为单种疾病的识别标准，判断送检数据是否被试识别为两种以上疾病，如果是，则报告共病情况；否则，报告疾病类别间的多类预测概率。
较佳地，所述的共病诊断的步骤还包括以下处理过程：
根据当前送检样本，提供健康人群及常见精神疾病中任意两个类别间的二分类疾病预测概率。
较佳地，所述的步骤(3-3)具体为：
判断是否为效应量取值为正的脑区指标，如果是，则保持人群百分位数不变；否则，将按照以下公式进行人群百分位数的转换：
人群百分位数＝1－原始人群百分位数。
该用于实现精神疾病影像报告生处理能的装置，其主要特点是，所述的装置包括：
处理器，被配置成执行计算机可执行指令；
存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的实现精神疾病影像报告生成处理的方法的各个步骤。
该用于实现精神疾病影像报告生成处理的处理器，其主要特点是，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的实现精神疾病影像报告生成处理的方法的各个步骤。
该计算机可读存储介质，其主要特点是，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的实现精神疾病影像报告生成处理的方法的各个步骤。
采用了本发明的实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质，能够为精神科医师提供具有临床参考价值、具有可解释性的影像定量检查报告。该报告生成方法提供了根据临床需求组织影像分析结果，高效呈现临床需要的信息的方法。通过该方法生成的报告，可作为病案资料的一部分。
附图说明
图1为本发明的实现精神疾病影像报告生成处理的方法的流程图。
图2为本发明的实现精神疾病影像报告生成处理的方法的影像质量评估报告实施例示意图。
图3为本发明的实现精神疾病影像报告生成处理的方法的脑区信息示意图。
图4为本发明的实现精神疾病影像报告生成处理的方法的影像特征分布示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
请参阅图1至图4所示，本发明的该实现精神疾病影像报告生成处理的方法，其中包括以下步骤：
(1)根据送检被试的原始影像，评估图像整体的分辨率、噪声及灰度偏差等级；
(2)根据评估结果，计算图像的综合质量评级；
(3)截取送检数据的原始脑影像的冠状面、矢状面和横断面，以及大脑组织概率图的冠状面、矢状面和横断面，作为影像质量评估报告的可视化部分。
作为本发明的优选实施方式，所述的方法还包括共病诊断的步骤，具体包括以下处理过程：
(1-1)分别计算单种疾病识别结果；
(1-2)依据单种疾病的识别结果，分析共病情况；
(1-3)将概率阈值作为单种疾病的识别标准，判断送检数据是否被试识别为两种以上疾病，如果是，则报告共病情况；否则，报告疾病类别间的多类预测概率。
作为本发明的优选实施方式，所述的共病诊断的步骤还包括以下处理过程：
根据当前送检样本，提供健康人群及常见精神疾病中任意两个类别间的二分类疾病预测概率。
作为本发明的优选实施方式，所述的方法还包括各脑区域异常及精神疾病关联性诊断的步骤，具体包括以下处理过程：
(2-1)针对每个脑部结构分区，报告图像分析指标的数值、健康人群变异范围和影像指标异常分布图谱；
(2-2)提示超出正常范围的数值；
(2-3)显示异常特征与每种诊断类型的关联程度，以优势比表示。
作为本发明的优选实施方式，所述的方法还包括生成关键脑影像特征分布图的步骤，具体包括以下处理过程：
(3-1)计算得到各神经影像特征对于识别精神疾病诊断类型的效应量，并提取效应量最高的若干特征；
(3-2)提取所述的特征上送检数据相对于健康人群的偏移量；
(3-3)根据效应量和脑区指标，调整人群百分位数；
(3-4)提供多元变量显示方式呈现某种疾病的关键特征异常概览，提示综合风险。
作为本发明的优选实施方式，所述的步骤(3-3)具体为：
判断是否为效应量取值为正的脑区指标，如果是，则保持人群百分位数不变；否则，将按照以下公式进行人群百分位数的转换：
人群百分位数＝1－原始人群百分位数。
本发明的该用于实现精神疾病影像报告生处理能的装置，其中所述的装置包括：
处理器，被配置成执行计算机可执行指令；
存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的实现精神疾病影像报告生成处理的方法的各个步骤。
本发明的该用于实现精神疾病影像报告生成处理的处理器，其中所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的实现精神疾病影像报告生成处理的方法的各个步骤。
本发明的该计算机可读存储介质，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的实现精神疾病影像报告生成处理的方法的各个步骤。
本发明的具体实施方式中，提供基于神经影像分析结果生成精神科脑影像报告的方法，从而为精神科医师提供具有临床参考价值、具有可解释性的检查报告。
本发明的实现精神疾病影像报告生成功能具有如下处理步骤：
1、影像质量评估及影像质量评估报告的生成方法：影像质量对基于影像的特征分析精度产生影响，因此有必要评估和报告影像质量。根据送检被试的原始影像，评估图像整体的分辨率、噪声、灰度偏差等级，并根据评估结果，计算图像的综合质量评级；综合质量等级越高，代表影像质量越好，相应地后续影像分析报告的内容有效性越高。同时，为本发明截取送检数据的原始脑影像的冠状面、矢状面、横断面，以及大脑组织概率图的上述三个截面，作为影像质量评估报告的可视化部分，便于使用者直观地检查脑影像质量。
2、对诊断建议的报告方法：
提供单种疾病识别结果，即针对疾病类别a，根据脑影像计算该送检数据属于疾病a的概率和不属于疾病a的概率。
对于常见精神疾病类别，本发明分别计算单种疾病识别结果，将识别结果展示在影像智能诊断报告中；依据单种疾病的识别结果，分析共病情况。
使用概率阈值(如50％)作为单种疾病的识别标准。1)当送检数据同时被试识别为两种以上疾病时，在报告中提示可能的共病情况2)如果判断无共病情况，则报告疾病类别间的多类预测概率，即在不同类型中识别为某一种诊断类型的概率。3)同时，针对当前送检样本给出健康人群及常见精神疾病任意两个类别之间的二分类疾病预测概率。
3、各脑区域异常及其与精神疾病诊断关联性报告方法：
对于每个脑的结构分区(如海马、杏仁核、颞上回等)，报告：1)体积/表面积/皮层厚度等图像分析指标的数值；2)健康人群变异范围；3)影像指标异常分布图谱(相对健康人群的偏移量)，提示超出正常范围的数值(偏高或偏低)；4)显示该异常特征与每种诊断类型的关联程度，以优势比(odd ratio)表达。
4、生成关键脑影像特征分布图：
针对某一精神疾病诊断类型，基于大规模数据库，计算得到各神经影像特征对于识别该精神疾病的效应量，并提取效应量最高的若干特征。
提取送检数据在这些特征上相对于健康人群的偏移量(如在健康人群中的百分位数)。
效应量符号纠正：对于效应量取值为正的脑区指标，保持人群百分位数不变；对于效应量取值为负的脑区指标，将人群百分位数转换为：1－原始人群百分位数。
采用多元变量显示方式(如雷达图)呈现针对某一类疾病的关键特征异常概览，提示综合风险。例如，使用雷达图形式显示送检数据在抑郁症诊断相关的关键特征中的异常情况。其面积即反映送检被试在该精神疾病上的患病风险，雷达图覆盖面积越大，则疾病风险越大。
本发明中，影像质量评估报告的内容包括但不限于分辨率评估、噪声评估和偏差场评估，也可包括影像对比度评估、脑区分割情况评估、脑区指标异常程度评估、器质性病变评估等。
本发明针对的特征包括但不限于磁共振特征，也可包括CT影像特征、PET影像特征、近红外影像特征、脑电特征等。
本发明针对的疾病包括但不限于精神疾病，也适用于其他需要脑部影像检查的疾病，如阿尔茨海默病、帕金森病、癫痫等。
本发明针对的影像特征包括但不限于体积、皮层厚度、表面积，也可包括曲率、球度、折叠率等。
本发明中，影像质量评估报告、影像智能诊断报告、定量影像报告的顺序可调换，或单独拆分形成独立报告。
本发明中，影像智能诊断报告的内容包括但不限于单种疾病识别、共病情况分析、五分类疾病类别评估和疾病类别间分类，也可包括健康/患病情况分析、疾病亚型识别等。
本发明中，大脑影像首先经过影像质量检查模块进行质量评估，根据影像整体的分辨率、噪声、灰度偏差等级计算影像的综合质量评级，由于影像质量对后续基于影像的智能诊断和定量评估的效度有根本影响，因此提供影像质量检查环节可以为该系统的使用者提供报告的置信度，以此作为参考，更好地评估本影像报告的参考意义。
针对精神疾病的诊断和报告，本发明公开的技术实现三个核心功能：
1、定量(而非只评判等级)报告各脑区的形态学指标，及其在健康人群中的变化范围、受检测个体的相对位置、异常情况及与精神疾病的关系。
本发明针对每个脑的结构分区(如海马、杏仁核、颞上回等)，报告：1)体积/表面积/皮层厚度等图像分析指标的数值2)健康人群变异范围3)影像指标异常分布图谱(相对健康人群的偏移量)，提示超出正常范围的数值(偏高或偏低)；4)显示该异常特征与每种诊断类型的关联程度，以优势比(odd ratio)表达。
2、依据脑影像特征推断疾病诊断类型。本发明中，智能诊断报告部分除了计算单种疾病识别结果外，还依据单种疾病的识别结果，针对共病情况进行分析，当送检数据同时被识别为两种以上疾病时，在报告中提示可能的共病情况；如果判断无共病情况，则报告疾病类别间的多类预测概率，即在不同类型中识别为某一种诊断类型的概率。
3、此外，智能诊断报告部分还针对当前送检样本给出健康人群及常见精神疾病任意两个类别之间的二分类疾病预测概率。上述智能诊断报告的组成成分及操作方法在现有技术中无涉及，且目前精神疾病领域没有类似的解决方案。
本技术方案中，由于影像质量对后续基于影像的智能诊断和定量评估的效度有根本影响，因此在后续基于影像的疾病评估前，必须首先对影像质量进行检查，以筛选出质量合格的神经影像用于后续分析；同时，提供影像质量检查环节可以为该系统的使用者提供报告的置信度，以此作为参考，更好地评估本影像报告的参考意义。目前神经影像领域对于影像质量检查的研究主要集中于影像质量评估方法的研究，而尚无将图像分辨率/噪声等级/伪影情况综合整合至辅助诊断系统中、以评估辅助诊断结果的效度的先例。同时，目前本领域技术人员主要使用的公开数据集(如ADNI、OASIS、GSP等)也均未提供影像的质量评估。
本实施例的具体实现方案可以参见上述实施例中的相关说明，此处不再赘述。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，相应的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
采用了本发明的实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质，能够为精神科医师提供具有临床参考价值、具有可解释性的影像定量检查报告。该报告生成方法提供了根据临床需求组织影像分析结果，高效呈现临床需要的信息的方法。通过该方法生成的报告，可作为病案资料的一部分。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (7)

1.一种实现精神疾病影像报告生成处理的方法，其特征在于，所述的方法包括以下步骤：
(1)根据送检被试的原始影像，评估图像整体的分辨率、噪声及灰度偏差等级；
(2)根据评估结果，计算图像的综合质量评级；
(3)截取送检数据的原始脑影像的冠状面、矢状面和横断面，以及大脑组织概率图的冠状面、矢状面和横断面，作为影像质量评估报告的可视化部分；
所述的方法还包括各脑区域异常及精神疾病关联性诊断的步骤，具体包括以下处理过程：
(2-1)针对每个脑部结构分区，报告图像分析指标的数值、健康人群变异范围和影像指标异常分布图谱；
(2-2)提示超出正常范围的数值；
(2-3)显示异常特征与每种诊断类型的关联程度，以优势比表示；
所述的方法还包括生成关键脑影像特征分布图的步骤，具体包括以下处理过程：
(3-1)计算得到各神经影像特征对于识别精神疾病诊断类型的效应量，并提取效应量最高的若干特征；
(3-2)提取所述的特征上送检数据相对于健康人群的偏移量；
(3-3)根据效应量和脑区指标，调整人群百分位数；
(3-4)提供多元变量显示方式呈现某种疾病的关键特征异常概览，提示综合风险。
2.根据权利要求1所述的实现精神疾病影像报告生成处理的方法，其特征在于，所述的方法还包括共病诊断的步骤，具体包括以下处理过程：
(1-1)分别计算单种疾病识别结果；
(1-2)依据单种疾病的识别结果，分析共病情况；
(1-3)将概率阈值作为单种疾病的识别标准，判断送检数据是否被试识别为两种以上疾病，如果是，则报告共病情况；否则，报告疾病类别间的多类预测概率。
3.根据权利要求2所述的实现精神疾病影像报告生成处理的方法，其特征在于，所述的共病诊断的步骤还包括以下处理过程：
根据当前送检样本，提供健康人群及常见精神疾病中任意两个类别间的二分类疾病预测概率。
4.根据权利要求1所述的实现精神疾病影像报告生成处理的方法，其特征在于，所述的步骤(3-3)具体为：
判断是否为效应量取值为正的脑区指标，如果是，则保持人群百分位数不变；否则，将按照以下公式进行人群百分位数的转换：
人群百分位数＝1－原始人群百分位数。
5.一种用于实现精神疾病影像报告生处理能的装置，其特征在于，所述的装置包括：
处理器，被配置成执行计算机可执行指令；
存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现权利要求1至4中任一项所述的实现精神疾病影像报告生成处理的方法的各个步骤。
6.一种用于实现精神疾病影像报告生成处理的处理器，其特征在于，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现权利要求1至4中任一项所述的实现精神疾病影像报告生成处理的方法的各个步骤。
7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现权利要求1至4中任一项所述的实现精神疾病影像报告生成处理的方法的各个步骤。
CN202111207965.4A 2021-10-18 2021-10-18 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质 Pending CN113948180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111207965.4A CN113948180A (zh) 2021-10-18 2021-10-18 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111207965.4A CN113948180A (zh) 2021-10-18 2021-10-18 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN113948180A true CN113948180A (zh) 2022-01-18

Family

ID=79331067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111207965.4A Pending CN113948180A (zh) 2021-10-18 2021-10-18 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113948180A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117116410A (zh) * 2023-10-24 2023-11-24 慧创科仪(北京)科技有限公司 一种用于近红外脑功能成像设备的医学报告生成装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117116410A (zh) * 2023-10-24 2023-11-24 慧创科仪(北京)科技有限公司 一种用于近红外脑功能成像设备的医学报告生成装置
CN117116410B (zh) * 2023-10-24 2023-12-29 慧创科仪(北京)科技有限公司 一种用于近红外脑功能成像设备的医学报告生成装置

Similar Documents

Publication Publication Date Title
US11263749B1 (en) Predictive prognosis based on multimodal analysis
Dai et al. Deep learning for automated cerebral aneurysm detection on computed tomography images
Wu et al. Use of radiomic features and support vector machine to distinguish Parkinson’s disease cases from normal controls
Ahmed et al. Single volume image generator and deep learning-based ASD classification
JP5553972B2 (ja) 電子医療記録影響データ取得、処理および表示システムおよび方法
Li et al. Radiomics analysis of magnetic resonance imaging facilitates the identification of preclinical Alzheimer’s disease: an exploratory study
US20230248998A1 (en) System and method for predicting diseases in its early phase using artificial intelligence
JP2020062369A (ja) 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、および脳活動バイオマーカシステム
Antila et al. The PredictAD project: development of novel biomarkers and analysis software for early diagnosis of the Alzheimer's disease
Ma et al. Mean apparent propagator-MRI: a new diffusion model which improves temporal lobe epilepsy lateralization
CN115691794A (zh) 一种神经诊断的辅助分析方法及系统
Yazdan-Panah et al. Automatic segmentation of the choroid plexuses: Method and validation in controls and patients with multiple sclerosis
Walger et al. Artificial intelligence for the detection of focal cortical dysplasia: Challenges in translating algorithms into clinical practice
CN113948180A (zh) 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质
US20160166192A1 (en) Magnetic resonance imaging tool to detect clinical difference in brain anatomy
Çelebi et al. Leveraging Deep Learning for Enhanced Detection of Alzheimer's Disease Through Morphometric Analysis of Brain Images.
Uysal et al. Using machine learning methods for detecting alzheimer's disease through hippocampal volume analysis
Scheijbeler et al. Generating diagnostic profiles of cognitive decline and dementia using magnetoencephalography
US20230263455A1 (en) Network-based functional imaging output for evaluating multiple sclerosis
CN112052882B (zh) 磁共振脑结构影像的分类模型构建、分类与可视化方法
Long et al. The effect analysis of atlas and global signal regression in classification based on brain network for major depression disorders.
Fu et al. Integrating Optimized Multiscale Entropy Model with Machine Learning for the Localization of Epileptogenic Hemisphere in Temporal Lobe Epilepsy Using Resting‐State fMRI
Tech et al. Neural network based classification and diagnosis of brain hemorrhages
Wang et al. Energy minimization segmentation model based on MRI images
CN110889836A (zh) 一种影像数据分析方法、装置、终端设备及存储介质

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