本发明实施例公开了一种知识和数据驱动的脑网络计算方法及装置,所述方法包括:获取样本的脑影像,根据先验知识构造脑区掩膜,对脑影像中的各个脑区进行定位,得到脑影像中各个脑区的影像;通过多个基于空间注意力的特征提取模块提取各个脑区影像的拓扑特征;学习各个脑区影像的拓扑特征之间的连接关系,基于拓扑特征和连接关系构建脑网络,所述脑网络由节点和边构成,所述节点表示各个脑区,所述边表示各个脑区之间的脑连接强度;根据脑网络预测样本疾病类别,得到疾病相关信息约束脑网络的分布,使得脑网络包含更多疾病特征和连接,对脑网络进行优化。本发明解决了现有脑网络计算方法适用范围小,兼容性差,主观性强,计算成本高,效率和准确率低的问题。
1.一种知识和数据驱动的脑网络计算方法,其特征在于,所述方法包括:
获取样本的脑影像,根据先验知识构造脑区掩膜,对所述脑影像中的各个脑区进行定位,得到所述脑影像中各个脑区的影像;
通过多个基于空间注意力的特征提取模块提取所述各个脑区影像的拓扑特征;
学习所述各个脑区影像的拓扑特征之间的连接关系,基于所述拓扑特征和连接关系构建脑网络,所述脑网络由节点和边构成,所述节点表示各个脑区,所述边表示各个脑区之间的脑连接强度;
根据脑网络预测样本疾病类别,得到疾病相关信息,基于所述疾病相关信息约束脑网络的分布,使得脑网络包含更多疾病特征和连接,对脑网络进行优化。
2.如权利要求1所述的方法,其特征在于,所述根据脑网络预测样本疾病类别,得到疾病相关信息,基于所述疾病相关信息约束脑网络的分布,使得脑网络包含更多疾病特征和连接,对脑网络进行优化之后,包括:
根据优化后的脑网络和疾病相关信息对所述样本进行疾病类别预测,得到所述样本的疾病预测结果。
蕴含疾病相关特征和连接的脑网络不仅有助于提升神经退行性疾病的诊断效果,而且为分析疾病不同阶段的脑网络异常连接、变化趋势等提供了前提条件。例如,早期阿尔兹海默病患者会表现出脑部连接的变化特征,这些变化特征通过结构磁共振技术反映出来,临床上的脑成像检查现在主要用于查找除阿尔兹海默病之外病症中的可见异常,排除其他疾病对诊断的干扰,无法做到精确诊断。相比之下,利用脑网络可以提供更准确的结果,因为脑网络代表了神经活动的全面映射。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
本发明首先利用解剖学知识构造可学习的脑区掩模通过基于解剖学知识的脑区感知模块对脑影像进行脑区划分,克服了神经退行性疾病病变过程中不同程度的脑区萎缩带来的脑区定位困难问题;然后通过脑疾病拓扑特征提取模块获取每个脑区的拓扑特征,在提取特征的过程中采用空间注意力机制对脑区进行二次定位,细化每个脑区的边界,克服了脑区与拓扑特征之间不对应的问题;其次,利用脑连接学习模块学习脑区拓扑特征之间的连接关系,基于提取的拓扑特征和学习到的连接关系构建完整的脑网络,有效地拟合脑网络的真实分布,克服了现有技术中效率和准确率不高的问题;最后,以学习到的脑网络作为脑疾病知识学习模块的输入对脑网络进行优化。将优化后的脑网络输入脑疾病预测模块得到疾病预测结果,实现了端到端地从多种模态的脑影像中生成多种类型的脑网络,适用范围广,可兼容性强,客观性强,计算成本低。
技术合作
本领域普通技术人员根据本发明的主要构思和精神,可以十分方便地进行相应的变通或修改,故本发明的保护范围应以权利要求书所要求的保护范围为准。