[发明专利]脑龄预测方法、装置、电子设备及存储介质

说明书

本发明适用于图像处理技术领域，提供了一种脑龄预测方法、装置、设备及介质，脑龄预测装置包括用于对待测者的三维脑部核磁共振影像数据进行预处理的预处理单元，以及用于将预处理后的影像数据输入到脑龄预测网络中，并输出脑龄预测结果的脑龄预测单元，该脑龄预测网络包括依次连接的第一、第二基本卷积模块、第一、第二、第三残差卷积模块、二维最大池化模块、全连接模块及sigmoid函数模块，该脑龄预测网络还包括输入端和输出端分别与第二基本卷积模块的输出端和第二残差卷积模块的输入端连接的第一跨层辅助残差模块，输入端和输出端分别与第一残差卷积模块的输出端和第三残差卷积模块的输入端连接的第二跨层辅助残差模块，从而实现了脑龄预测。

技术领域

本发明属于图像处理技术领域，尤其涉及一种脑龄预测方法、装置、电子设备及存储介质。

背景技术

磁共振技术现已被广泛地应用，它能够提供结构、功能、代谢等多模态信息，是临床诊断中不可或缺的手段。其无创、无辐射、临床普及率高、检测费用合理等优点，也使其成为疾病筛查的重要选择。

目前基于磁共振影像的脑龄评测以及阿尔茨海默病的早期诊断与预测技术基本以结构磁共振成像为基础，通过对特定脑区或全脑范围的形态学指标进行机器学习或深度学习的分析，对大脑衰老或疾病状况进行评估。

在利用人工智能技术预测脑龄这一方面，当前的研究主要是通过各种方法来提取三维磁共振数据的特征，再将提取出的特征输入至机器学习模型中预测，或者直接利用深度学习中的卷积神经网络进行训练与预测。当前研究的主要难点有两个，一是如何从影像数据中有效地提取特征，二是如何选择合适的机器学习模型或者神经网络模型来拟合这些特征，这两点都会给脑龄预测带来挑战。

发明内容

本发明的目的在于提供一种脑龄预测方法、装置、电子设备及存储介质，旨在解决现有技术中如何选择合适的模型来有效地提取特征并预测脑龄的问题。

一方面，本发明提供一种脑龄预测方法，所述方法包括下述步骤：

对待测者的三维脑部核磁共振影像数据进行预处理，得到预处理后的影像数据；

将所述预处理后的影像数据输入到预先训练好的脑龄预测网络中，预测所述待测者的脑龄，所述脑龄预测网络包括依次连接的第一基本卷积模块、第二基本卷积模块、第一残差卷积模块、第二残差卷积模块、第三残差卷积模块、二维最大池化模块、全连接模块及sigmoid函数模块，所述脑龄预测网络还包括第一、第二跨层辅助残差模块，所述第一跨层辅助残差模块的输入端与所述第二基本卷积模块的输出端连接，输出端与所述第二残差卷积模块的输入端连接，所述第二跨层辅助残差模块的输入端与所述第一残差卷积模块的输出端连接，输出端与所述第三残差卷积模块的输入端连接。

优选地，对待测者的三维脑部核磁共振影像数据进行预处理的步骤，包括：

对所述待测者的三维脑部核磁共振影像数据进行配准，以得到配准后的影像数据。

优选地，对待测者的三维脑部核磁共振影像数据进行预处理之前，包括：

获取基础数据集；

对所述基础数据集中的每个三维脑部核磁共振影像数据进行预处理，得到训练数据集；

基于所述训练数据集，使用随机梯度下降算法对所述脑龄预测网络进行训练，得到所述训练好的脑龄预测网络。

优选地，预测所述待测者的脑龄的步骤，包括：

通过所述第一、第二基本卷积模块提取所述预处理后的影像数据的基本特征；

基于所述基本特征，通过所述第一、第二、第三残差卷积模块和所述第一、第二跨层辅助残差模块提取深层特征；

通过所述二维最大池化模块统一所述深层特征的数据尺寸；