本發(fa)明涉及人工智能，尤其涉及一種認知狀態檢測(ce)方法(fa)、模型訓練方法(fa)、裝置、設(she)備和介質。

背景技術：

1、認(ren)知(zhi)障礙(ai)是指大腦處理(li)信息(xi)、理(li)解概念、學習新知(zhi)識、進行推(tui)理(li)和判(pan)斷等(deng)高級(ji)認(ren)知(zhi)功能出現困難或(huo)受損(sun)的狀態。在(zai)實際中，任何引起大腦的基底節異常的因素(su)都有可能導致認(ren)知(zhi)障礙(ai)，比如阿爾茨海默病(bing)、慢性(xing)腎(shen)臟病(bing)或(huo)者其他疾病(bing)引起的并(bing)發癥、遺傳因素(su)等(deng)等(deng)。

2、在此基礎(chu)上，如何提高認(ren)知(zhi)狀態檢測(ce)的準(zhun)確性就成為亟待解決的問題。

技術實現思路

1、有(you)鑒(jian)于此，本發明(ming)實施例提(ti)供一種認知狀態(tai)檢測方法、模型訓練(lian)方法、裝置、設備(bei)和介質，用以提(ti)高認知狀態(tai)檢測的準(zhun)確(que)性。

2、第一方面，本發明實施例提供一種認知狀(zhuang)態檢(jian)測裝置，包括：

3、第(di)一獲(huo)取(qu)模塊，用于獲(huo)取(qu)包含待(dai)(dai)測者的基底節的待(dai)(dai)測醫(yi)學影像；

4、第一特(te)征(zheng)提取模塊，用于對所述(shu)待(dai)測醫學(xue)影像中的各體素進行特(te)征(zheng)提取，以得到第一影像組(zu)學(xue)特(te)征(zheng)；

5、第一(yi)圖(tu)像(xiang)(xiang)分割模塊，用(yong)于根據所述(shu)第一(yi)影像(xiang)(xiang)組學特征，對(dui)所述(shu)待測(ce)醫學影像(xiang)(xiang)進行圖(tu)像(xiang)(xiang)分割，以得到所述(shu)基底節(jie)包含的至少兩個子區域(yu)；

6、第(di)二特(te)(te)征(zheng)提(ti)取模塊，用(yong)于對所述至少(shao)兩個(ge)子區(qu)域進行特(te)(te)征(zheng)提(ti)取，以得到第(di)二影(ying)像組學特(te)(te)征(zheng)；

7、第(di)一確定(ding)模(mo)塊，用于根據所述(shu)第(di)二影(ying)像組(zu)學特征，確定(ding)所述(shu)待測者的(de)認知水(shui)平。

8、第(di)二方面，本發明實施例(li)提供一種認知狀態檢測方法，包括(kuo)：

9、獲取包含待測者的基底節(jie)的待測醫學影像；

10、對所(suo)述待測醫學(xue)影像中的(de)各體素進(jin)行特征提取，以得到第一影像組學(xue)特征；

11、根據所述第一影像(xiang)組學特征(zheng)，對所述待測醫學影像(xiang)進行圖(tu)像(xiang)分割，以得到(dao)所述基底節包含的至少兩(liang)個(ge)子區(qu)域；

12、對所(suo)述至(zhi)少兩個子區域進(jin)行(xing)特(te)征提取，以得(de)到第二(er)影像(xiang)組學特(te)征；

13、根據(ju)所(suo)述第二影(ying)像組學特征(zheng)，確(que)定所(suo)述待測者的認知水(shui)平(ping)。

14、第(di)三方面，本發明實施例提供一種模型訓練方法，包括：

15、獲取包(bao)含(han)基底(di)節的(de)訓(xun)練影像以及(ji)所述訓(xun)練影像的(de)參考(kao)分類(lei)結果(guo)；

16、對所(suo)述訓練影像(xiang)中的各體(ti)素(su)進行特(te)征(zheng)提(ti)取，以得到第一(yi)訓練特(te)征(zheng)；

17、根據所(suo)述第一訓練特征(zheng)，對所(suo)述訓練影(ying)像進行圖像分割，以得到所(suo)述基底節包含(han)的(de)至少兩個子區域；

18、對(dui)所(suo)述至少兩個子區域進行特(te)征(zheng)提取(qu)，以得到(dao)第(di)二(er)訓練特(te)征(zheng)；

19、將所(suo)述(shu)第(di)二訓練特(te)征輸入預測模型，以由所(suo)述(shu)預測模型輸出所(suo)述(shu)訓練影像(xiang)對(dui)應的預測分數；

20、根據(ju)所述訓練影(ying)(ying)像對應的預測(ce)分(fen)數，確定所述訓練影(ying)(ying)像的預測(ce)分(fen)類結果；

21、根(gen)據所(suo)述(shu)預測分類結(jie)果與(yu)所(suo)述(shu)參考分類結(jie)果之間(jian)的損失計算結(jie)果，訓練所(suo)述(shu)預測模(mo)型。

22、第四方面，本發明實施例提供(gong)一種模型訓練裝(zhuang)置，包括：

23、第二獲取模塊，用于獲取包含基底節的(de)訓練影像以及所述訓練影像的(de)參(can)考分類結果(guo)；

24、第四特征(zheng)提(ti)(ti)取(qu)模塊，用(yong)于對所(suo)述訓練(lian)影像中的各(ge)體素進行特征(zheng)提(ti)(ti)取(qu)，以得到(dao)第一訓練(lian)特征(zheng)；

25、第二圖(tu)像分割模(mo)塊，用于(yu)根據所述第一訓(xun)練(lian)特征，對所述訓(xun)練(lian)影(ying)像進(jin)行圖(tu)像分割，以得(de)到所述基底節(jie)包含的至少(shao)兩個子區域；

26、第五特征提取(qu)模塊，用(yong)于對所述(shu)至少兩(liang)個(ge)子區域進行特征提取(qu)，以得到第二訓練特征；

27、輸(shu)入模塊，用于將(jiang)所述第二訓練特征輸(shu)入預(yu)測模型，以(yi)由所述預(yu)測模型輸(shu)出(chu)所述訓練影像對應的預(yu)測分數(shu)；

28、第二確定(ding)模塊，用于根據所述訓練影(ying)像對應的(de)預(yu)測(ce)分數，確定(ding)所述訓練影(ying)像的(de)預(yu)測(ce)分類結(jie)果(guo)；

29、第二(er)訓(xun)練(lian)模塊，用于根據所述預測(ce)分(fen)類結果(guo)與所述參考(kao)分(fen)類結果(guo)之間的損(sun)失(shi)計算結果(guo)，訓(xun)練(lian)所述預測(ce)模型。

30、第五方(fang)(fang)面，本發明(ming)實施例提(ti)供(gong)一(yi)種電(dian)子(zi)設(she)備，包(bao)括(kuo)處理(li)器(qi)和(he)存(cun)儲器(qi)，所述存(cun)儲器(qi)用于存(cun)儲一(yi)條或(huo)多(duo)條計算機指令，其中(zhong)(zhong)，所述一(yi)條或(huo)多(duo)條計算機指令被所述處理(li)器(qi)執行時實現上述第二方(fang)(fang)面中(zhong)(zhong)的認知狀態檢測方(fang)(fang)法(fa)，或(huo)者(zhe)執行上述第三方(fang)(fang)面中(zhong)(zhong)的模型訓練方(fang)(fang)法(fa)。該電(dian)子(zi)設(she)備還可以包(bao)括(kuo)通信(xin)(xin)接口，用于與其他設(she)備或(huo)通信(xin)(xin)系(xi)統(tong)通信(xin)(xin)。

31、第(di)六(liu)方面，本發明實(shi)施(shi)例提供了一種非暫(zan)(zan)時(shi)性機器(qi)可(ke)讀存(cun)(cun)儲介質，所述(shu)非暫(zan)(zan)時(shi)性機器(qi)可(ke)讀存(cun)(cun)儲介質上存(cun)(cun)儲有可(ke)執行(xing)代(dai)(dai)碼(ma)，當所述(shu)可(ke)執行(xing)代(dai)(dai)碼(ma)被(bei)電(dian)子設備的處理(li)器(qi)執行(xing)時(shi)，使(shi)所述(shu)處理(li)器(qi)至少(shao)可(ke)以實(shi)現如上述(shu)第(di)二方面中(zhong)的認知狀態檢測方法，或者上述(shu)第(di)三(san)方面中(zhong)的模型訓練方法。

32、第(di)七(qi)方(fang)(fang)面(mian)，本發明實施例提供了一(yi)種(zhong)程序產(chan)品，所(suo)(suo)述(shu)(shu)計算(suan)機程序產(chan)品包括計算(suan)機程序或指令，當所(suo)(suo)述(shu)(shu)計算(suan)機程序或指令被處理器執(zhi)行時，致使所(suo)(suo)述(shu)(shu)處理器能實現如上(shang)述(shu)(shu)第(di)二方(fang)(fang)面(mian)中(zhong)的認(ren)知狀態檢測方(fang)(fang)法，或者上(shang)述(shu)(shu)第(di)三方(fang)(fang)面(mian)中(zhong)的模(mo)型訓練(lian)方(fang)(fang)法。

33、本發明(ming)實施例提(ti)供的(de)(de)(de)方案中(zhong)，第(di)(di)(di)一獲(huo)取模塊(kuai)獲(huo)取包(bao)含待(dai)(dai)測(ce)(ce)者(zhe)的(de)(de)(de)基(ji)底(di)節(jie)的(de)(de)(de)待(dai)(dai)測(ce)(ce)醫(yi)學影(ying)(ying)像(xiang)(xiang)(xiang)。然后，第(di)(di)(di)一特(te)征(zheng)(zheng)(zheng)提(ti)取模塊(kuai)對(dui)該待(dai)(dai)測(ce)(ce)醫(yi)學圖(tu)(tu)像(xiang)(xiang)(xiang)中(zhong)的(de)(de)(de)各體素進行(xing)特(te)征(zheng)(zheng)(zheng)提(ti)取，以得(de)到第(di)(di)(di)一影(ying)(ying)像(xiang)(xiang)(xiang)組(zu)學特(te)征(zheng)(zheng)(zheng)。接著，第(di)(di)(di)一圖(tu)(tu)像(xiang)(xiang)(xiang)分(fen)割(ge)模塊(kuai)根據(ju)第(di)(di)(di)一影(ying)(ying)像(xiang)(xiang)(xiang)組(zu)學特(te)征(zheng)(zheng)(zheng)對(dui)待(dai)(dai)測(ce)(ce)醫(yi)學圖(tu)(tu)像(xiang)(xiang)(xiang)進行(xing)圖(tu)(tu)像(xiang)(xiang)(xiang)分(fen)割(ge)，以得(de)到基(ji)底(di)節(jie)包(bao)含的(de)(de)(de)至少兩個子區域。之后，第(di)(di)(di)二特(te)征(zheng)(zheng)(zheng)提(ti)取模塊(kuai)再(zai)對(dui)至少兩個子區域進行(xing)特(te)征(zheng)(zheng)(zheng)提(ti)取，以得(de)到第(di)(di)(di)二影(ying)(ying)像(xiang)(xiang)(xiang)組(zu)學特(te)征(zheng)(zheng)(zheng)。最終，第(di)(di)(di)一確定模塊(kuai)根據(ju)該第(di)(di)(di)二影(ying)(ying)像(xiang)(xiang)(xiang)組(zu)學特(te)征(zheng)(zheng)(zheng)，確定待(dai)(dai)測(ce)(ce)者(zhe)的(de)(de)(de)認(ren)知水平，即實現對(dui)待(dai)(dai)測(ce)(ce)者(zhe)的(de)(de)(de)認(ren)知狀態檢測(ce)(ce)。

34、可(ke)見，上述(shu)過程可(ke)以(yi)根據體素級別的(de)(de)(de)第一影像(xiang)組(zu)(zu)學特(te)征(zheng)對(dui)(dui)基底(di)節進行子區(qu)(qu)域(yu)劃(hua)分，由于該體素級別的(de)(de)(de)第一影像(xiang)組(zu)(zu)學特(te)征(zheng)可(ke)以(yi)精確地描(miao)述(shu)待(dai)測(ce)醫學影像(xiang)中(zhong)每個像(xiang)素中(zhong)所包(bao)含的(de)(de)(de)圖(tu)像(xiang)信(xin)息，因(yin)此(ci)，第一影像(xiang)組(zu)(zu)學特(te)征(zheng)的(de)(de)(de)使用可(ke)以(yi)準確地分割(ge)出至少兩個子區(qu)(qu)域(yu)。之(zhi)后，還可(ke)以(yi)進一步對(dui)(dui)至少兩個子區(qu)(qu)域(yu)分別進行特(te)征(zheng)提取，這樣可(ke)以(yi)使得第二(er)影像(xiang)組(zu)(zu)學特(te)征(zheng)中(zhong)包(bao)含豐富的(de)(de)(de)、描(miao)述(shu)每個子區(qu)(qu)域(yu)狀態的(de)(de)(de)信(xin)息。并(bing)且由于認知水(shui)平直接受基底(di)節中(zhong)不同子區(qu)(qu)域(yu)狀態的(de)(de)(de)影響，因(yin)此(ci)，第二(er)影像(xiang)組(zu)(zu)學特(te)征(zheng)的(de)(de)(de)使用可(ke)以(yi)準確地確定(ding)出待(dai)測(ce)者(zhe)的(de)(de)(de)認知水(shui)平。

技術特征：

1.一(yi)種(zhong)認知狀態檢測裝(zhuang)置，其特征在于，包括(kuo)：

2.根據權利要求1所述的裝置，其(qi)特(te)征在于，所述第一獲(huo)取模塊，用(yong)于獲(huo)取所述待測(ce)者的腦部對應(ying)的醫學影像，其(qi)中，所述醫學影像包括定量磁(ci)化率圖像，所述待測(ce)者具(ju)有(you)慢性腎臟病；

3.根據(ju)權利要求(qiu)1所(suo)(suo)述(shu)的(de)裝置(zhi)，其特(te)征(zheng)在于，所(suo)(suo)述(shu)第一圖像(xiang)分(fen)割(ge)模(mo)塊，用于對(dui)所(suo)(suo)述(shu)第一影像(xiang)組學(xue)(xue)特(te)征(zheng)進行聚類(lei)處(chu)理，以得到所(suo)(suo)述(shu)待測(ce)醫學(xue)(xue)影像(xiang)中的(de)所(suo)(suo)述(shu)基(ji)底節包(bao)含的(de)至少兩個子區域。

4.根據權利要求1所(suo)述(shu)的裝置，其特征(zheng)在于，所(suo)述(shu)第一(yi)確定模(mo)(mo)塊，用于將所(suo)述(shu)第二影(ying)像(xiang)組學特征(zheng)輸入預測模(mo)(mo)型(xing)，以由所(suo)述(shu)預測模(mo)(mo)型(xing)輸出(chu)所(suo)述(shu)待測醫學影(ying)像(xiang)對應的預測分數；

5.根據權利要求1所(suo)述的(de)裝置，其特征(zheng)(zheng)在于，所(suo)述裝置還包括第三特征(zheng)(zheng)提取模塊；

6.根據(ju)權利要求5所述的裝置(zhi)，其特征在于，所述第一(yi)確定模塊(kuai)，用于：

7.根(gen)據(ju)權利要(yao)求4或6所述(shu)的裝置，其特(te)征在于，所述(shu)第一確(que)定模塊(kuai)，用于若所述(shu)待測(ce)(ce)醫學影(ying)像對應的預(yu)測(ce)(ce)分(fen)數(shu)小(xiao)于所述(shu)預(yu)設閾值(zhi)，則確(que)定所述(shu)待測(ce)(ce)者的認知水平正常；

8.根據權利要求4所述的裝置，其特征(zheng)在于，所述裝置還包括第一(yi)訓練模(mo)(mo)塊(kuai)，所述第一(yi)訓練模(mo)(mo)塊(kuai)用于：

9.根(gen)據權利要(yao)求8所述(shu)的(de)裝置，其特(te)征在于(yu)，所述(shu)第一訓(xun)練模(mo)塊，用于(yu)：

10.一種認(ren)知狀(zhuang)態檢(jian)測方法(fa)，其特(te)征在于，包括：

11.一(yi)種模型訓練(lian)方法，其特(te)征在于，包括(kuo)：

12.一種模型(xing)訓練裝置，其特征(zheng)在于，包括：

13.一(yi)種電子設(she)備，其特征在于，包括：存(cun)儲器(qi)(qi)、處理器(qi)(qi)；其中，所(suo)(suo)述存(cun)儲器(qi)(qi)上存(cun)儲有可(ke)執(zhi)(zhi)行(xing)代碼(ma)，當所(suo)(suo)述可(ke)執(zhi)(zhi)行(xing)代碼(ma)被所(suo)(suo)述處理器(qi)(qi)執(zhi)(zhi)行(xing)時，使所(suo)(suo)述處理器(qi)(qi)執(zhi)(zhi)行(xing)如權利(li)要(yao)求(qiu)10所(suo)(suo)述的認知狀態檢(jian)測方(fang)法(fa)或者權利(li)要(yao)求(qiu)11所(suo)(suo)述的模型訓練方(fang)法(fa)。

14.一(yi)種非暫時性(xing)機器(qi)可(ke)讀(du)(du)存儲(chu)介質，其(qi)特征在(zai)于，所(suo)述非暫時性(xing)機器(qi)可(ke)讀(du)(du)存儲(chu)介質上存儲(chu)有可(ke)執行(xing)代(dai)碼(ma)，當所(suo)述可(ke)執行(xing)代(dai)碼(ma)被電子(zi)設備(bei)的(de)處(chu)(chu)理器(qi)執行(xing)時，使所(suo)述處(chu)(chu)理器(qi)執行(xing)如權利要求(qiu)10所(suo)述的(de)認知狀態檢測方法或者權利要求(qiu)11所(suo)述的(de)模型訓練(lian)方法。

15.一種計(ji)(ji)(ji)算(suan)機(ji)程(cheng)序(xu)產(chan)品(pin)，其(qi)特征在于，所述計(ji)(ji)(ji)算(suan)機(ji)程(cheng)序(xu)產(chan)品(pin)包括(kuo)計(ji)(ji)(ji)算(suan)機(ji)程(cheng)序(xu)或指令(ling)，致使所述計(ji)(ji)(ji)算(suan)機(ji)程(cheng)序(xu)或指令(ling)能夠實現權利要求(qiu)10所述的(de)認(ren)知狀態檢(jian)測方法或者(zhe)權利要求(qiu)11所述的(de)模型訓練方法中(zhong)的(de)步驟。

技術總結
本發明實施例提供一種認知狀態檢測方法、模型訓練方法、裝置、設備和介質。該裝置可以獲取包含待測者基底節的待測醫學影像。然后，對待測醫學圖像中的各體素進行特征提取，以得到第一影像組學特征。接著，根據第一影像組學特征再對待測醫學圖像進行圖像分割，以得到基底節包含的至少兩個子區域，再對至少兩個子區域進行特征提取，以得到第二影像組學特征。最終，根據該第二影像組學特征確定待測者的認知水平。即第一影像組學特征的使用可以準確地分割出至少兩個子區域。進一步地對至少兩個子區域進行特征提取，能夠使得第二影像組學特征中包含豐富的、描述每個子區域狀態的信息，因此，第二影像組學特征的使用可以準確地確定出待測者的認知水平。

技術研發人員：王昊,王振常,郭藝帆,宋麗君,楊文博,任鵬玲,劉雅文,李遠哲,李鐵強
受保護的技術使用者：首都醫科大學附屬北京友誼醫院
技術研發日：
技術公布日：2024/10/14