技术新讯 > 医药医疗技术的改进,医疗器械制造及应用技术 > 一种基于脑功能BOLD信号指标的疼痛分级方法及系统  >  正文

一种基于脑功能BOLD信号指标的疼痛分级方法及系统

  • 国知局
  • 2024-09-05 14:50:57

本发明涉及图像数据处理,尤其涉及一种基于脑功能bold信号指标的疼痛分级方法及系统。

背景技术:

1、在中枢机制研究中,磁共振( magnetic resonance,mr)脑成像作为非侵入式的神经影像学技术已被广泛应用。疼痛,无论其发生的部位以及性质,终究是主观的感受、是大脑神经活动的结果。有关慢性疼痛的影像学研究中发现疼痛患者的大脑灰质及白质结构、任务及静息状态下的神经活动以及血流灌注均存在不同程度的异常。其中涉及到诸多脑区,包括额叶、顶叶、躯体感觉皮层、伏隔核、海马、丘脑、脑干、基底节等。不仅如此,更有研究发现慢性疼痛患者对于急性疼痛的中枢处理也存在异常,例如敏化以及脑激活水平异常增强。与此同时研究发现背外侧前额叶等区的功能以及结构在疼痛经过有效控制后可恢复到正常水平。

2、国际疼痛研究协会将“疼痛”定义为“与实际或者潜在的组织损失相关的令人不愉快的感觉和情感体验,或对此类的损伤的描述”。鉴于疼痛对于患者的多方面的损害,国际上己将疼痛列为第五大生命体征。因此,一个良好的疼痛评估分级方式对于患者而言,可以减少患者对于疼痛的恐惧;同时,对疼痛进行评估分级对探究度洛西汀等镇痛药物的镇痛机制也有着极为重要的指导意义。

3、现有技术中在对疼痛分级时,一般采用面部图像或人体动作进行分级,分级效果较差;同时,也存在通过核磁共振图像对疼痛机制进行研究的方案,但是仅仅存在于理论阶段,但是并未对疼痛的分级的过程进行论述;同时,现有技术中在采用人工智能模型对图像模式识别时,存在首先获取感兴趣区域(roi),然后将感兴趣区域输入至人工智能模型中进行图像模式识别的方案,然而,上述方案在应用到核磁共振图像时,由于脑部大部分区域均与疼痛有千丝万缕的关联,因此,无法选择出感兴趣区域,导致疼痛分级效率较低。

技术实现思路

1、为了解决上述技术问题,本发明提供了一种基于脑功能bold信号指标的疼痛分级方法及系统,用于提高疼痛分级的效率以及对不同人群的适用性。

2、本发明提供了一种基于脑功能bold信号指标的疼痛分级方法,包括:

3、步骤s1:采集所述待检测人员的血氧水平依赖脑部静息态功能磁共振成像数据;

4、步骤s2:对所述血氧水平依赖脑部静息态功能磁共振成像数据进行预处理操作;

5、步骤s3:获取所述血氧水平依赖脑部静息态功能磁共振成像数据中用于进行疼痛分级的特定脑部区域成像数据;

6、步骤s4:获取所述用于进行疼痛分级的特定脑部区域成像数据中进行疼痛分级的疼痛分级参数;

7、步骤s5:将所述疼痛分级的参数的具体数据输入至第一人工智能模型中,得到第一疼痛分级结果;

8、s6:若所述第一疼痛分级结果为不存在疼痛,则所述第一疼痛分级结果为最终疼痛分级结果;若所述第一疼痛分级结果为存在疼痛,则进入下一步;

9、s7: 将所述疼痛分级的参数的具体数据输入至第二人工智能模型中,得到第二疼痛分级结果。

10、优选地,所述步骤s1中,在采集时,要求待检测人员保持平躺、安静、不动、无特殊思考,采集图像时,采用多层激发梯度回波平面成像( epi)序列,tr/te=800/30ms, fov=222mm×222mm, fa=54°,扫描矩阵=74×74,层厚=3mm,平面分辨率=3mm×3mm,从而得到所述血氧水平依赖脑部静息态功能磁共振成像数据。

11、优选地,所述步骤s2中,所述预处理操作包括:去掉所述血氧水平依赖脑部静息态功能磁共振成像数据的前10个时间点的信号,然后进行头动校正,然后进行频率滤波操作以过滤干扰;最后进行空间平滑操作,从而得到预处理后的血氧水平依赖脑部静息态功能磁共振成像数据。

12、优选地,所述步骤s3中,所述用于进行疼痛分级的特定脑部区域成像数据包括:左侧额上回成像数据、 右侧颞中回成像数据及岛叶成像数据。

13、优选地,所述步骤s4中,通过相关性分析法获取疼痛分级参数。

14、优选地,所述步骤s4中,所述疼痛分级参数为:局部功能一致性、低频振幅。

15、优选地,所述步骤s5中,所述第一人工智能模型为深度神经网络模型,所述第一疼痛分级结果包括:存在疼痛、不存在疼痛。

16、优选地,所述步骤s7中,所述第二人工智能模型为深度神经网络模型,所述第二疼痛分级结果包括:重度疼痛、轻度疼痛。

17、根据本发明的另一方面,提供一种基于脑功能bold信号指标的疼痛分级系统,所述系统采用上述的基于脑功能bold信号指标的疼痛分级方法,所述系统包括:

18、采集模块,用于采集所述待检测人员的血氧水平依赖脑部静息态功能磁共振成像数据;

19、预处理模块,用于对所述血氧水平依赖脑部静息态功能磁共振成像数据进行预处理操作;

20、图像区域选择模块,用于获取所述血氧水平依赖脑部静息态功能磁共振成像数据中用于进行疼痛分级的特定脑部区域成像数据;

21、疼痛分级参数获取模块,用于获取所述用于进行疼痛分级的特定脑部区域成像数据中进行疼痛分级的疼痛分级参数;

22、第一疼痛分级结果确定模块,用于将所述疼痛分级的参数的具体数据输入至第一人工智能模型中,得到第一疼痛分级结果;

23、判断模块,对所述第一疼痛分级结果进行判断,若所述第一疼痛分级结果为不存在疼痛,则所述第一疼痛分级结果为最终疼痛分级结果;若所述第一疼痛分级结果为存在疼痛,则进入第二分级结果判断模块;

24、第二分级结果判断模块,用于将所述疼痛分级的参数的具体数据输入至第二人工智能模型中,得到第二疼痛分级结果,并将所述第二分级结果作为最终疼痛分级结果。

25、本发明实施例具有以下技术效果:

26、本发明在采用血氧水平依赖脑部静息态功能磁共振成像数据对人员进行疼痛分级时,首先对脑部图像进行区域筛选,获取用于进行疼痛分级的特定脑部区域成像数据,即左侧额上回成像数据、右侧颞中回成像数据及岛叶成像数据,提高了疼痛分级的效率,且具有一定的个体识别度,使得疼痛分级方法适应性较广;然后获取所述用于进行疼痛分级的特定脑部区域成像数据中进行疼痛分级的疼痛分级参数输入至人工智能模型中,也极大的提高了疼痛分级的效率;

27、另外,本发明在进行分级时,为避免触摸对疼痛分级造成的干扰,首先采用第一人工智能模型对是否存在疼痛进行识别,然后再采用第二人工智能模型对疼痛的程度进行识别,两个人工智能模型采用的训练集不同,提高了对应的识别模型的训练准确度,进而提高了疼痛分级的准确性。

技术特征:

1.一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,包括:

2.根据权利要求1所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,

3.根据权利要求1所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述步骤s2中,所述预处理操作包括:去掉所述血氧水平依赖脑部静息态功能磁共振成像数据的前10个时间点的信号,然后进行头动校正,然后进行频率滤波操作以过滤干扰;最后进行空间平滑操作,从而得到预处理后的血氧水平依赖脑部静息态功能磁共振成像数据。

4.根据权利要求1所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述步骤s3中,所述用于进行疼痛分级的特定脑部区域成像数据包括:左侧额上回成像数据、右侧颞中回成像数据及岛叶成像数据。

5.根据权利要求1所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述步骤s4中,通过相关性分析法获取疼痛分级参数。

6.根据权利要求5所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述疼痛分级参数为:局部功能一致性、低频振幅。

7.根据权利要求1所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述第一人工智能模型为深度神经网络模型,所述第一疼痛分级结果包括:存在疼痛、不存在疼痛。

8.根据权利要求1所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述步骤s7中,所述第二人工智能模型为深度神经网络模型,所述第二疼痛分级结果包括:重度疼痛、轻度疼痛。

9.一种基于脑功能bold信号指标的疼痛分级系统,所述系统采用权利要求1-8任一项所述的一种基于脑功能bold信号指标的疼痛分级方法,其特征在于,所述系统包括:

技术总结本发明涉及图像数据处理技术领域,尤其涉及一种基于脑功能BOLD信号指标的疼痛分级方法及系统,本发明在采用血氧水平依赖脑部静息态功能磁共振成像数据对人员进行疼痛分级时,首先对脑部图像进行区域筛选,获取用于进行疼痛分级的特定脑部区域成像数据,即左侧额上回成像数据、右侧颞中回成像数据及岛叶成像数据,提高了疼痛分级的效率,且具有一定的个体识别度,使得疼痛分级方法适应性较广;然后获取所述用于进行疼痛分级的特定脑部区域成像数据中进行疼痛分级的疼痛分级参数输入至人工智能模型中,也极大的提高了疼痛分级的效率。技术研发人员:苏乾,董晴,赵欣,宋香超受保护的技术使用者:天津市肿瘤医院(天津医科大学肿瘤医院)技术研发日:技术公布日:2024/9/2

本文地址:https://www.jishuxx.com/zhuanli/20240905/288440.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。