CN114511524A - 一种神经疾病的检测方法与系统 - Google Patents

一种神经疾病的检测方法与系统 Download PDF

Info

Publication number
CN114511524A
CN114511524A CN202210076723.4A CN202210076723A CN114511524A CN 114511524 A CN114511524 A CN 114511524A CN 202210076723 A CN202210076723 A CN 202210076723A CN 114511524 A CN114511524 A CN 114511524A
Authority
CN
China
Prior art keywords
image
user
iris
eye image
oct
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
CN202210076723.4A
Other languages
English (en)
Inventor
王思伦
周竞宇
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.)
Shenzhen Yiwei Medical Technology Co Ltd
Original Assignee
Shenzhen Yiwei Medical Technology Co Ltd
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 Shenzhen Yiwei Medical Technology Co Ltd filed Critical Shenzhen Yiwei Medical Technology Co Ltd
Priority to CN202210076723.4A priority Critical patent/CN114511524A/zh
Publication of CN114511524A publication Critical patent/CN114511524A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了一种神经疾病的检测方法和系统，其中所述方法包括：获取用户第一眼部图像；获取用户第二眼部图像；将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对；若第一预定区域特征存在变化，则调取用户脑部血管图像；基于所述用户的脑部血管图像，对所述用户的神经系统疾病进行预判。本发明通过当前虹膜的自主神经环和健康虹膜的自主神经环进行对比，判断当前虹膜的第一预定区域特征是否发生变化，若第一预定区域特征发生变化，则调取脑部血管图像，对神经系统疾病预判。本发明通过眼部检查对某些神经系统疾病进行预判，进行有针对性的检查，不仅能够提早发现某些神经系统疾病，还能够提高检测的有效性。

Description

一种神经疾病的检测方法与系统
技术领域
本发明属于大数据分析与数据挖掘领域，尤其涉及一种神经疾病的检测方法与系统。
背景技术
由于核磁共振等检查费用较高，如果能有简单的检测方法，对某些神经系统疾病进行预判，再发现有相应的症状之后，再做详细的检查，能够节约大量的费用。
而眼部检查通常不仅快，而且费用低。如果能先采用费用低的检测，能够预测可能的疾病，并进行有针对性的检查，不仅能够提早发现，还能够提高检测的有效性。
发明内容
针对上述现有技术中存在的缺陷，一方面，本发明提供一种神经疾病的检测方法，包括以下步骤：
获取用户第一眼部图像；
获取用户第二眼部图像；
将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对；
若所述第一预定区域特征存在变化，则调取用户脑部血管图像；
基于所述用户的脑部血管图像，对用户的神经系统疾病进行预判。
优选地，其中基于所述第一眼部图像获取用户健康虹膜标准全息图像，基于所述第二眼部图像获取用户当前虹膜图像。
优选地，其中基于所述第一眼部图像获取用户健康虹膜标准全息图像和基于所述第二眼部图像获取用户当前虹膜图像，包括：
从所述第一眼部图像提取虹膜部分，定位用户健康虹膜的内外边界；
从所述第二眼部图像提取虹膜部分，定位当前虹膜的内外边界。
优选地，其中所述将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对，包括：
基于所述当前虹膜的内外边界，提取当前虹膜的自主神经环；
基于所述用户健康虹膜的内外边界，提取用户健康虹膜的自主神经环；
将所述当前虹膜图像中的自主神经环与用户健康虹膜标准全息图像中的自主神经环进行比对。
优选地，其中所述脑部血管图像包括脑部光学相干断层血管造影OCTA图像。
优选地，其中所述基于所述用户的脑部血管图像，对用户的神经系统疾病进行预判，包括：
步骤S101、获取脑部血管网络组织的OCT扫描数据；
步骤S103、对所述OCT扫描数据进行傅里叶变换FFT，得到第一OCT处理图像；
步骤S105、重复步骤S101-S103，得到第二OCT处理图像；
步骤S107、基于所述第一OCT处理图像和第二OCT处理图像，生成OCTA图像；
步骤S109、基于所述OCTA图像，对所述用户的神经系统疾病进行预判。
优选地，其中所述步骤S107包括：
对所述第一OCT处理图像和所述第二OCT处理图像进行图像相关算法处理，获取第一相关OCT图像和第二相关OCT图像；
利用差分法提取所述第一相关OCT图像和第二相关OCT图像的血液动态信息；
分析血液流动误差，根据相位校正算法去除运动抖动和全局噪声产生的伪影；
生成OCTA图像。
优选地，其中所述步骤S107中的图像相关算法采用如下公式：
Figure BDA0003482865890000031
Rxy(τ)是互相关系数，f表示扫描设备横向运动基于时间的函数，τ是扫描时间间隔，h表示扫描部位的深度基于时间的函数，T是积分时长。
优选地，其中所述血液动态信息所用公式为I(x，z)＝|A2(x，z)-A1x，Z2，
式中A1和A2是两次扫描的OCT图像的二维复值形式，x是快速扫描方向的横向位置，z是扫描深度方向的轴向位置，I是OCT图像中的血液流动的信息。
另一方面，本发明还提供一种神经疾病的检测系统，其特征在于，包括：
第一获取模块，用于获取用户第一眼部图像；
第二获取模块，用于获取用户第二眼部图像；
对比模块，用于将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对；
调取模块，用于若第一预定区域特征存在变化，则调取用户脑部血管图像；
预判模块，用于基于所述用户的脑部血管图像，对所述用户的神经系统疾病进行预判。
与现有技术相比，本发明通过当前虹膜的自主神经环和健康虹膜的自主神经环进行对比，判断当前虹膜的第一预定区域特征是否发生变化，若第一预定区域特征发生变化，则调取脑部血管图像，对神经系统疾病预判。本发明通过眼部检查对某些神经系统疾病进行预判，当发现有相应的症状之后，再做详细的检查，进行有针对性的检查，能够节约大量的费用，不仅能够提早发现某些神经系统疾病，还能够提高检测的有效性。
附图说明
通过参考附图阅读下文的详细描述，本发明公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是示出根据本发明实施例的一种神经疾病的检测方法流程图；
图2是示出根据本发明实施例的一种神经系统疾病预判流程图；
图3是示出根据本发明实施例的一种神经疾病的检测系统的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述……，但这些……不应限于这些术语。这些术语仅用来将……区分开。例如，在不脱离本发明实施例范围的情况下，第一……也可以被称为第二……，类似地，第二……也可以被称为第一……。
应当理解，本发明中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本发明中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
下面结合附图详细说明本发明的可选实施例。
实施例一、
如图1所示，本发明公开了一种神经疾病的检测方法，包括以下步骤：
获取用户第一眼部图像；
获取用户第二眼部图像；
将第一眼部图像与第二眼部图像的第一预定区域特征进行比对；
若第一预定区域特征存在变化，则调取用户脑部血管图像；
基于用户的脑部血管图像，对用户的神经系统疾病进行预判。
作为本发明的优选实施例，基于第一眼部图像获取用户健康虹膜标准全息图像，基于第二眼部图像获取用户当前虹膜图像。
作为本发明的优选实施例，基于第一眼部图像获取用户健康虹膜标准全息图像和基于第二眼部图像获取用户当前虹膜图像，包括：
从第一眼部图像提取虹膜部分，定位用户健康虹膜的内外边界；
从第二眼部图像提取虹膜部分，定位当前虹膜的内外边界。
作为本发明的优选实施例，将第一眼部图像与第二眼部图像的第一预定区域特征进行比对，包括：
基于当前虹膜的内外边界，提取当前虹膜的自主神经环；
基于用户健康虹膜的内外边界，提取用户健康虹膜的自主神经环；
将当前虹膜图像中的自主神经环与用户健康虹膜标准全息图像中的自主神经环进行比对。
作为本发明的优选实施例，脑部血管图像包括脑部光学相干断层血管造影OCTA图像。
实施例二、
如图2所示，基于用户的脑部血管图像，对用户的神经系统疾病进行预判，包括：
步骤S101、获取脑部血管网络组织的OCT扫描数据；
步骤S103、对OCT扫描数据进行傅里叶变换FFT，得到第一OCT处理图像；
步骤S105、重复步骤S101-S103，得到第二OCT处理图像；
步骤S107、基于第一OCT处理图像和第二OCT处理图像，生成OCTA图像；
步骤S109、基于OCTA图像，对用户的神经系统疾病进行预判。
作为本发明的优选实施例，步骤S107包括：
对第一OCT处理图像和第二OCT处理图像进行图像相关算法处理，获取第一相关OCT图像和第二相关OCT图像；
利用差分法提取第一相关OCT图像和第二相关OCT图像的血液动态信息；
分析血液流动误差，根据相位校正算法去除运动抖动和全局噪声产生的伪影；
生成OCTA图像。
作为本发明的优选实施例，步骤S107中的图像相关算法采用如下公式：
Figure BDA0003482865890000081
Rxy(τ)是互相关系数，f表示扫描设备横向运动基于时间的函数，τ是扫描时间间隔，h表示扫描部位的深度基于时间的函数，T是积分时长。
作为本发明的优选实施例，血液动态信息所用公式为I(x，z)＝|A2(x，z)-A1(x，z)|2,式中A1和A2是两次扫描的OCT图像的二维复值形式，x是快速扫描方向的横向位置，z是扫描深度方向的轴向位置，I是OCT图像中的血液流动的信息。
作为本发明的优选实施例，分析血液流动误差，根据相位校正算法去除运动抖动和全局噪声产生的伪影，具体包括：
分析相位造影产生原因包括生理运动和系统噪声，将运动信息重新表示为：
Figure BDA0003482865890000082
其中，Δx和Δz分别是横向和轴向运动体位移；
Figure BDA0003482865890000083
是相位调制；
针对生理运动产生的全局相移，利用公式：
A(x，t)＝-arg[∫R(z，x，t)R*(z，x，t)dz]
L(z，t)＝-arg[∫R(z，x，t)R*(z，x，t)dx]
分别表示轴向扫描运动信息与时间的关系和横向扫描与时间的关系，式中，R(z，x，t)是OCT的复数信号，R*(z，x，t)是R(z，x，t)参考臂时间为t的复共轭信号。
在本发明实施例中，通过对血液流动误差进行分析，消除运动抖动和全局噪声产生的伪影，得到OCTA图像。通过对OCTA图像分析，能够对某些神经系统疾病预判，可以提早发现，并提高检测的有效性。
实施例三、
如图3所示，本发明还提出了一种神经疾病的检测系统，其包括：
第一获取模块，用于获取用户第一眼部图像；
第二获取模块，用于获取用户第二眼部图像；
对比模块，用于将第一眼部图像与第二眼部图像的第一预定区域特征进行比对；
调取模块，用于若第一预定区域特征存在变化，则调取用户脑部血管图像；
预判模块，用于基于用户的脑部血管图像，对用户的神经系统疾病进行预判。
本发明通过当前虹膜的自主神经环和健康虹膜的自主神经环进行对比，判断当前虹膜的第一预定区域特征是否发生变化，若第一预定区域特征发生变化，则调取脑部血管图像，对神经系统疾病预判。本发明通过眼部检查对某些神经系统疾病进行预判，当发现有相应的症状之后，再做详细的检查，进行有针对性的检查，能够节约大量的费用，不仅能够提早发现某些神经系统疾病，还能够提高检测的有效性。
实施例四、
本发明公开实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行如上实施例所述的方法步骤。
需要说明的是，本发明公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(AN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本发明公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
以上介绍了本发明的较佳实施方式，旨在使得本发明的精神更加清楚和便于理解，并不是为了限制本发明，凡在本发明的精神和原则之内，所做的修改、替换、改进，均应包含在本发明所附的权利要求概括的保护范围之内。

Claims (10)

1.一种神经疾病的检测方法，其特征在于，包括以下步骤：
获取用户第一眼部图像；
获取用户第二眼部图像；
将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对；
若所述第一预定区域特征存在变化，则调取用户脑部血管图像；
基于所述用户的脑部血管图像，对用户的神经系统疾病进行预判。
2.如权利要求1所述的一种神经疾病的检测方法，其特征在于，其中基于所述第一眼部图像获取用户健康虹膜标准全息图像，基于所述第二眼部图像获取用户当前虹膜图像。
3.如权利要求2所述的一种神经疾病的检测方法，其特征在于，其中基于所述第一眼部图像获取用户健康虹膜标准全息图像和基于所述第二眼部图像获取用户当前虹膜图像，包括：
从所述第一眼部图像提取虹膜部分，定位用户健康虹膜的内外边界；
从所述第二眼部图像提取虹膜部分，定位当前虹膜的内外边界。
4.如权利要求3所述的一种神经疾病的检测方法，其特征在于，其中所述将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对，包括：
基于所述当前虹膜的内外边界，提取当前虹膜的自主神经环；
基于所述用户健康虹膜的内外边界，提取用户健康虹膜的自主神经环；
将所述当前虹膜图像中的自主神经环与用户健康虹膜标准全息图像中的自主神经环进行比对。
5.如权利要求1所述的一种神经疾病的检测方法，其特征在于，其中所述脑部血管图像包括脑部光学相干断层血管造影OCTA图像。
6.如权利要求5所述的一种神经疾病的检测方法，其特征在于，其中所述基于所述用户的脑部血管图像，对用户的神经系统疾病进行预判，包括：
步骤S101、获取脑部血管网络组织的OCT扫描数据；
步骤S103、对所述OCT扫描数据进行傅里叶变换FFT，得到第一OCT处理图像；
步骤S105、重复步骤S101-S103，得到第二OCT处理图像；
步骤S107、基于所述第一OCT处理图像和第二OCT处理图像，生成OCTA图像；
步骤S109、基于所述OCTA图像，对所述用户的神经系统疾病进行预判。
7.如权利要求6所述的一种神经疾病的检测方法，其特征在于，其中所述步骤S107包括：
对所述第一OCT处理图像和所述第二OCT处理图像进行图像相关算法处理，获取第一相关OCT图像和第二相关OCT图像；
利用差分法提取所述第一相关OCT图像和第二相关OCT图像的血液动态信息；
分析血液流动误差，根据相位校正算法去除运动抖动和全局噪声产生的伪影；
生成OCTA图像。
8.如权利要求7所述的一种神经疾病的检测方法，其特征在于，其中所述步骤S107中的图像相关算法采用如下公式：
Figure FDA0003482865880000021
Rxy(τ)是互相关系数，f表示扫描设备横向运动基于时间的函数，τ是扫描时间间隔，h表示扫描部位的深度基于时间的函数，T是积分时长。
9.如权利要求8所述的一种神经疾病的检测方法，其特征在于，其中所述血液动态信息所用公式为I(x，z)＝|A2(x，z)-A1(x，z)|2，
式中A1和A2是两次扫描的OCT图像的二维复值形式，x是快速扫描方向的横向位置，z是扫描深度方向的轴向位置，I是OCT图像中的血液流动的信息。
10.一种神经疾病的检测系统，其特征在于，包括：
第一获取模块，用于获取用户第一眼部图像；
第二获取模块，用于获取用户第二眼部图像；
对比模块，用于将所述第一眼部图像与第二眼部图像的第一预定区域特征进行比对；
调取模块，用于若第一预定区域特征存在变化，则调取用户脑部血管图像；
预判模块，用于基于所述用户的脑部血管图像，对所述用户的神经系统疾病进行预判。
CN202210076723.4A 2022-01-21 2022-01-21 一种神经疾病的检测方法与系统 Pending CN114511524A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210076723.4A CN114511524A (zh) 2022-01-21 2022-01-21 一种神经疾病的检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210076723.4A CN114511524A (zh) 2022-01-21 2022-01-21 一种神经疾病的检测方法与系统

Publications (1)

Publication Number Publication Date
CN114511524A true CN114511524A (zh) 2022-05-17

Family

ID=81550737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210076723.4A Pending CN114511524A (zh) 2022-01-21 2022-01-21 一种神经疾病的检测方法与系统

Country Status (1)

Country Link
CN (1) CN114511524A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104768446A (zh) * 2012-09-10 2015-07-08 俄勒冈健康科学大学 用光学相干断层扫描血管造影对局部循环进行量化
CN107452029A (zh) * 2017-07-31 2017-12-08 中国医学科学院生物医学工程研究所 一种光学微血管血流成像方法
CN111568373A (zh) * 2020-04-20 2020-08-25 南京师范大学 一种重复扫描的octa毛细血管网成像方法
CN113889267A (zh) * 2021-11-15 2022-01-04 博奥生物集团有限公司 基于眼象识别的糖尿病诊断模型的构建方法和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104768446A (zh) * 2012-09-10 2015-07-08 俄勒冈健康科学大学 用光学相干断层扫描血管造影对局部循环进行量化
CN107452029A (zh) * 2017-07-31 2017-12-08 中国医学科学院生物医学工程研究所 一种光学微血管血流成像方法
CN111568373A (zh) * 2020-04-20 2020-08-25 南京师范大学 一种重复扫描的octa毛细血管网成像方法
CN113889267A (zh) * 2021-11-15 2022-01-04 博奥生物集团有限公司 基于眼象识别的糖尿病诊断模型的构建方法和电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
俞岚筑等: "光学相干断层扫描血管成像在眼部疾病诊断中的应用", 《上海交通大学学报(医学版)》 *
原铭贞: ""血流动力学改变在息肉状脉络膜血管病变发病机制中的作用研究"", 《万方学位论文 R773.4(眼色素层（葡萄膜）疾病)》 *
戴宗顺等: "虹膜诊断研究述评", 《湖南中医药大学学报》 *
王涛等: "光学相干断层扫描血管成像(OCTA)在眼科临床的应用进展", 《实用防盲技术》 *

Similar Documents

Publication Publication Date Title
Ter Telgte et al. The contribution of acute infarcts to cerebral small vessel disease progression
Klein et al. Attraction of position preference by spatial attention throughout human visual cortex
US6589181B2 (en) Adaptive cancellation of ring-down artifact in imaging
Anderson et al. High-resolution three-dimensional magnetic resonance angiography and three-dimensional spoiled gradient-recalled imaging in the evaluation of neurovascular compression in patients with trigeminal neuralgia: a double-blind pilot study
Feng et al. RACER‐GRASP: respiratory‐weighted, aortic contrast enhancement‐guided and coil‐unstreaking golden‐angle radial sparse MRI
Xiang et al. Frequency and spatial characteristics of high‐frequency neuromagnetic signals in childhood epilepsy
KR20140088434A (ko) 환자별 특성을 기반으로 한 ｍｒｉ 다변수 영상 획득 지원 장치 및 방법
CN110942489B (zh) 磁共振弥散张量成像方法、装置和纤维束追踪方法、装置
EP2453408A1 (fr) Procédé de traitement d'images radiologiques pour la détection d'une sténose
Mortaheb et al. Mind blanking is a distinct mental state linked to a recurrent brain profile of globally positive connectivity during ongoing mentation
EP4060616B1 (en) Super-resolution reconstruction preprocessing method and super-resolution reconstruction method for ultrasound contrast image
Gomez-Pilar et al. Deficits of entropy modulation in schizophrenia are predicted by functional connectivity strength in the theta band and structural clustering
EP4026482A1 (en) Apparatus for hierarchically diagnosing brain atrophy disease on basis of brain thickness information
US20110101978A1 (en) Motion information capture and automatic motion correction for imaging systems
Staudigl et al. Saccade-related neural communication in the human medial temporal lobe is modulated by the social relevance of stimuli
CN114511524A (zh) 一种神经疾病的检测方法与系统
Giele et al. Movement correction of the kidney in dynamic MRI scans using FFT phase difference movement detection
Jaber et al. A spatial perturbation framework to validate implantation of the epileptogenic zone
Li et al. Identification of white matter networks engaged in object (face) recognition showing differential responses to modulated stimulus strength
KR101401969B1 (ko) Ｍｒｉ 시스템을 이용하여 대상체 내의 신경 섬유에 관한 섬유 구조 정보를 획득하기 위한 방법 및 장치
FR2819919A1 (fr) Suivi de la deformation d'une structure lineique sur une image d'une sequence d'images d'un organe deformable dans le temps
EP4084010A1 (en) Method for operating an evaluation system for medical image data sets, evaluation system, computer program and electronically readable storage medium
Zhao et al. Interictal HFO and FDG‐PET correlation predicts surgical outcome following SEEG
Xu et al. Predictive value of Alberta stroke program early CT score for perfusion weighted imaging-diffusion weighted imaging mismatch in stroke with middle cerebral artery occlusion
Knudsen et al. Feasibility of 3T layer-dependent fMRI with GE-BOLD using NORDIC and phase regression

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220517

RJ01 Rejection of invention patent application after publication