CN120032814A - 一种影像处理方法和影像处理装置 - Google Patents

Abstract

本申请提供了一种影像处理方法和影像处理装置，其中，该方法包括：从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，多模态神经影像数据包括多个脑结构指标和用于表征待测试对象的脑动态变化的多个脑功能指标；根据待测试对象的基本信息、脑部检测仪器的设备型号、多个脑功能指标以及多个脑结构指标，生成多个脑健康偏离图像，用以表征待测试对象的脑健康状态，其中，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，个体化数据点用于表征针对待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。通过本申请，提高了脑健康状态评估的准确率。

Description

一种影像处理方法和影像处理装置

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种影像处理方法和影像处理装置。

背景技术

目前，随着神经影像数据的不断积累和规范化建模方法的持续进步，我们针对脑动态变化的判断需求日益增大，常用的规范化建模方法主要包括参数方法、非参数方法、半参数方法以及贝叶斯统计学方法，然而，当前在构建个体化的脑图表方面仍存在一些挑战和不足。

首先，现有的脑图表大多基于欧美国家人群的数据建立，而纳入中国人群的样本量相对较小，代表性不足，这导致现有的脑图表无法充分反映中国人群在大脑发育和老化过程中的独特性，也缺乏专门针对中国人群的代表性脑图表。

此外，现有的脑图表在建模方面也存在一些局限性，大多数脑图表主要集中于脑结构的建模，而对于大脑的重要功能性指标，如大脑区域的血流灌注、血脑屏障通透性、神经活动模式等动态变化，建模尚不完善。

发明内容

有鉴于此，本申请的目的在于提供一种影像处理方法和影像处理装置，以克服上述至少一种缺陷。

第一方面，本申请实施例提供了一种影像处理方法，所述方法包括：从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，所述多模态神经影像数据包括多个脑结构指标和用于表征所述待测试对象的脑动态变化的多个脑功能指标；根据所述待测试对象的基本信息、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标，生成多个脑健康偏离报告，用以表征所述待测试对象的脑健康状态，其中，所述多个脑健康偏离报告包括多个第一脑健康偏离图像以及多个第二脑健康偏离图像，每个第一脑健康偏离图像分别对应一脑功能指标，每个第二脑健康偏离图像分别对应一脑结构指标，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，所述多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，所述个体化数据点用于表征针对所述待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。

在本申请的一种可选实施例中，所述待测试对象的基本信息包括年龄和性别，每个脑健康偏离图像的横坐标为年龄，每个脑健康偏离图像的纵坐标为对应脑指标的单位，每个脑健康偏离图像的多个脑图表曲线包括第一脑指标发展曲线以及至少一个第二脑指标发展曲线，所述第一脑指标发展曲线用于表征处于所述待测试对象的性别以及所述待测试对象进行脑部检测的脑部检测仪器的设备型号下的全年龄段的对应脑指标的所有检测值的平均值的变化曲线，第二脑指标发展曲线的每个数据点与所述第一脑指标发展曲线中的每个数据点之间存在预设差距。

在本申请的一种可选实施例中，通过以下方式确定所述待测试对象的多个脑健康偏离图像：将所述待测试对象的年龄、性别、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标输入脑健康评估模型，得到多个脑健康偏离图像，其中，所述脑健康评估模型用于表征目标参数与脑健康状态之间的关系，所述目标参数为待测试对象的年龄、性别、待测试对象进行脑部检测得到的多个脑指标以及脑部检测仪器的设备型号。

在本申请的一种可选实施例中，所述脑健康偏离图像还包括百分位数，其中，针对每个脑健康偏离图像，在该脑健康偏离图像中的个体化数据点的关联区域显示对应的百分位数，所述百分位数用于表征与该百分位数关联的个体化数据点在对应年龄、对应脑指标下与标准脑图表数据之间的占比情况。

在本申请的一种可选实施例中，通过以下方式确定所述脑健康评估模型：确定响应变量和协变量，所述响应变量包括表征待测试对象的脑健康状态的脑健康偏离图像，所述协变量包括年龄、性别、多个脑功能指标以及多个脑结构指标；根据广义加性模型针对所述响应变量和所述协变量进行拟合，得到所述脑健康评估模型。

在本申请的一种可选实施例中，通过以下方式训练脑健康评估模型：获取训练样本集合，所述训练样本集合中包括多个训练样本，每个训练样本包括样本年龄、样本性别、样本脑部检测仪器的设备型号、多个样本脑功能指标、多个样本脑结构指标以及多个样本脑健康偏离图像；将所述样本年龄、所述样本性别、所述样本脑部检测仪器的设备型号、所述多个样本脑功能指标以及所述多个样本脑结构指标作为初始脑健康评估模型的输入，将所述多个样本脑健康偏离图像作为所述初始脑健康评估模型的输出，以对所述初始脑健康评估模型进行训练。

在本申请的一种可选实施例中，所述多个脑结构指标包括结构磁共振成像数据和扩散张量加权成像数据，所述多个脑功能指标包括功能磁共振成像数据、动脉自旋标记数据以及血管-水交换成像数据。

第二方面，本申请实施例还提供了一种影像处理装置，所述装置包括：获取模块，用于从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，所述多模态神经影像数据包括多个脑结构指标和用于表征所述待测试对象的脑动态变化的多个脑功能指标；生成模块，用于根据所述待测试对象的基本信息、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标，生成多个脑健康偏离报告，用以表征所述待测试对象的脑健康状态，其中，所述多个脑健康偏离报告包括多个第一脑健康偏离图像以及多个第二脑健康偏离图像，每个第一脑健康偏离图像分别对应一脑功能指标，每个第二脑健康偏离图像分别对应一脑结构指标，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，所述多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，个体化数据点用于表征针对所述待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上所述方法的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上所述方法的步骤。

本申请实施例提供的影像处理方法和影像处理装置，从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，多模态神经影像数据包括多个脑结构指标和用于表征待测试对象的脑动态变化的多个脑功能指标；根据待测试对象的基本信息、脑部检测仪器的设备型号、多个脑功能指标以及多个脑结构指标，生成多个脑健康偏离图像，用以表征待测试对象的脑健康状态，其中，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，个体化数据点用于表征针对待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。通过本申请，提高脑健康评估的准确性、效率和个性化程度，为临床诊断和治疗提供有力的支持。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例所提供的影像处理方法的流程图；

图2为本申请实施例所提供的确定脑健康评估模型的流程图；

图3为本申请实施例所提供的影像处理装置的结构示意图；

图4为本申请实施例所提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

首先，对本申请可适用的应用场景进行介绍。本申请可应用图像处理技术领域。

经研究发现，随着神经影像数据的积累以及规范化建模方法技术的进步，人们在上拟合脑的动态变化方面的需求日益增加。

当前，常用的规范化建模方法主要包括参数方法、非参数方法、半参数方法以及贝叶斯统计学方法。然而，现有脑图表仍存在一些不足，大多数脑图表基于欧美国家人群建立，而纳入中国人群的样本量较小，且代表性不足（样本量不足3%），因此，现有的脑图表无法充分反映中国人群的独特性，且缺乏针对中国人群的代表性脑图表，此外，现有的脑图表大多集中于脑解剖结构的建模，对于大脑的重要功能性指标，如大脑区域的血流灌注、血脑屏障通透性、神经活动模式等，建模尚不完善。

基于此，本申请实施例提供了一种影像处理方法和影像处理装置，从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，多模态神经影像数据包括多个脑结构指标和用于表征待测试对象的脑动态变化的多个脑功能指标；根据待测试对象的基本信息、脑部检测仪器的设备型号、多个脑功能指标以及多个脑结构指标，生成多个脑健康偏离图像，用以表征待测试对象的脑健康状态，其中，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，个体化数据点用于表征针对待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况，通过同时考虑多个脑功能指标和多个脑结构指标，提高了脑健康评估的准确率。

请参阅图1，图1为本申请实施例所提供的影像处理方法的流程图。如图1中所示，本申请实施例提供的影像处理方法，包括：

S101、从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据。

这里，所有多模态神经影像数据为医学数字影像和通信标准（Digital Imagingand Communications in Medicine, DICOM）数据格式，利用dcm2niix工具转换为NIFTI格式以便于读写。

多模态神经影像数据包括多个脑结构指标和用于表征待测试对象的脑动态变化的多个脑功能指标。

优选的，多个脑结构指标包括结构磁共振成像数据和扩散张量加权成像数据，多个脑功能指标包括功能磁共振成像数据、动脉自旋标记数据以及血管-水交换成像数据。

其中，针对多模态神经影像数据进行脑结构指标提取，得到以下数据：

结构磁共振成像数据MRI（3D T1WI）：主要用于获取大脑的结构信息，如脑组织的分布、脑区的划分、白质和灰质的边界等，通过自由曲面（FreeSurfer）的分割流程从数据预处理开始，包括图像配准、偏置场校正和去噪声，通过脑组织识别（脑提取）分离大脑区域，接着进行皮层重建，识别白质和灰质的边界，生成内外皮层表面。此后，进一步分割皮质下结构，如基底节、丘脑和脑室等，并进行标准化的脑区分割，常采用德西坎-基利安脑图谱（Desikan-Killiany Atlas ）等模板。分割过程不仅涵盖皮层和皮质下结构，还包括脑回和脑沟的标定。最终，生成的分割结果包括皮层表面、脑区标签和解剖学特征数据。

扩散张量加权成像数据（DKI），提供关于大脑白质纤维束的走向、密度和完整性等信息，有助于了解大脑的微观结构，通过图像的去噪、校正和空间配准，使用扩散峰度模型对数据进行拟合，计算扩散张量和峰度张量等参数，获得不同方向上的扩散特性。各向异性分数值（Fractional Anisotropy, FA）作为重要指标，反映了水分子在特定方向上的各向异性。然后，FA值被用于分析组织的微观结构，特别是在大脑白质纤维束等区域。

针对多模态神经影像数据进行脑功能指标提取，得到以下数据：

功能磁共振成像数据（fMRI），反映大脑在执行特定任务或静息状态下的功能活动，揭示不同脑区的激活模式和功能连接，首先，进行数据预处理，包括去除伪影和噪声，进行头动校正，确保所有时间点的数据对齐。将每个被试的脑影像通过空间标准化映射到标准脑模板，以便于跨个体的比较。然后，通过平滑处理增强信噪比，进行时间序列分析，提取大脑不同区域的激活信号，识别与特定任务或刺激相关的脑区活动。

动脉自旋标记数据（ASL），用于量化大脑的血液灌注情况，即脑血流量（CBF），反映大脑不同区域的血液供应变化，首先，进行数据预处理，包括去除伪影、噪声，然后通过头动校正确保所有时间点的图像对齐。接着，进行空间配准，将不同时间点或不同受试者的图像对齐到标准脑模板上。然后，去除基线信号并计算动脉自旋标记信号与对照信号之间的差异，从而得到脑血流量（Cerebral Blood Flow，CBF）的定量值。通过这些步骤，可以从ASL数据中提取出区域性的脑血流量信息，揭示大脑不同区域的血液供应变化。

血管-水交换成像数据（VEXI），提供关于血脑屏障通透性的信息，有助于了解大脑血管与脑组织之间的物质交换情况，使用归一化工具（ANTs）将b=0 s/mm²的扩散成像数据和bf=0 s/mm²、bd=0 s/mm²的VEXI数据线性配准到T1WI。然后，通过对称图像归一化算法（ANTs（Advanced Normalization Tools）算法）将T1WI从本地空间配准到研究特定模板。参数图（如血脑屏障上的表观水分交换apparent water exchange across the blood-brainbarrier, AXRBBB等）随后通过应用线性配准变换矩阵和先前生成的变形场进行迭代对齐到模板。对预处理的VEXI数据应用了标准差为1.5体素大小的高斯滤波器。最后，将MNI152标准脑 T1 加权像（MNI152 T1WI）非线性配准到相应的模板，以将一些基于MNI152模板的图谱转换到研究特定模板空间中，从而得出特定区域的水-血管成像通透性参数（AXRBBB）。

S102、根据待测试对象的基本信息、脑部检测仪器的设备型号、多个脑功能指标以及多个脑结构指标，生成多个脑健康偏离报告，用以表征待测试对象的脑健康状态。

其中，多个脑健康偏离报告包括多个第一脑健康偏离图像以及多个第二脑健康偏离图像，每个第一脑健康偏离图像分别对应一脑功能指标，每个第二脑健康偏离图像分别对应一脑结构指标，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，个体化数据点用于表征针对待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。

本申请从脑部检测仪器实时获取多模态神经影像数据并生成多个脑健康偏离图像，可以显著提高脑健康评估的准确性、效率和个性化程度，为临床诊断和治疗提供有力的支持，同时，这些数据和图像也为脑科学研究提供了重要的数据资源。

这里，待测试对象的基本信息包括年龄和性别，每个脑健康偏离图像的横坐标为年龄，每个脑健康偏离图像的纵坐标为对应脑指标的单位，每个脑健康偏离图像的多个脑图表曲线包括第一脑指标发展曲线以及至少一个第二脑指标发展曲线，第一脑指标发展曲线用于表征处于待测试对象的性别以及待测试对象进行脑部检测的脑部检测仪器的设备型号下的全年龄段的对应脑指标的所有检测值的平均值的变化曲线，第二脑指标发展曲线的每个数据点与第一脑指标发展曲线中的每个数据点之间存在预设差距。

在一可选实施例中，基于对应脑指标下的标准脑图表数据（可以为大量正常人的检测结果得出的平均值或范围），第一脑指标发展曲线（黑色实线）：表示在待测试对象的性别和检测仪器下，全年龄段对应脑指标的所有检测值的平均值的变化曲线。这可以被视为人类在该指标上的平均水平，第二脑指标发展曲线（黑色虚线）：与第一脑指标发展曲线存在预设差距，表示超过或低于平均水平的界限，存在一预设区间，示例的，预设区间的下限值可能为人类平均脑健康水平的60%，预设区间的上限值可能为人类平均脑健康水平的100%，个性化数据点若存在于表征人类平均脑健康水平的100%的第二脑指标发展曲线上方，则表示待测试对象的脑健康超过人类平均水平的100%，处于健康状态，同理，个性化数据点若存在于表征人类平均脑健康水平的60%的第二脑指标发展曲线下方，则表示待测试对象的脑健康低于人类平均水平的60%，处于亚健康状态，需要进一步进行诊断。这些界限用于标识待测试对象的脑指标是否偏离正常范围。

这里，采用大量健康人群的多个脑结构和脑功能指标创建随年龄改变的跨生命周期正常人群参考标准范围，称为正常人群脑图表数据（标准脑图表数据）。

个性化数据点代表待测试对象在对应脑指标下的检测结果，在标准脑图表数据中的排序情况，个性化数据点的位置相对于脑图表曲线的位置，可以直观地显示待测试对象的脑指标是高于还是低于平均水平，以及偏离的程度。

脑健康偏离图像的横坐标为年龄，表示不同年龄段的情况，脑健康偏离图像的纵坐标为对应脑指标的单位，如分数、百分比、体积等，通过观察图像，可以直观地了解待测试对象在不同脑指标上的健康状态，以及随年龄的变化趋势。

具体地，脑健康偏离图像还包括百分位数，其中，针对每个脑健康偏离图像，在该脑健康偏离图像中的每个数据点的关联区域显示对应的百分位数，百分位数用于表征与该百分位数关联的个体化数据点在对应年龄、对应脑指标下与标准脑图表数据之间的占比情况。

这里，百分位数是一种统计量，它表示在一组数据中，有多少比例的数据点小于或等于某个特定值。例如，第50百分位数（中位数）表示有一半的数据点小于或等于该值，而另一半则大于该值。

对于每个脑健康偏离图像，为每个个性化数据点计算并显示其对应的百分位数，这个百分位数反映了在相同年龄和脑指标下，待测试对象的数据点与标准脑图表数据（通常是基于大量正常人的检测结果得出的平均值或范围）之间的相对位置。

在脑健康偏离图像中，每个个性化数据点的关联区域（可能是数据点周围的某个小区域或数据点本身）将显示对应的百分位数，这个区域可以通过颜色编码、数字标注或其他视觉元素来突出显示百分位数信息。

如果一个数据点的百分位数较高（例如，接近100%），则表明该数据点在相同年龄和脑指标下，相对于标准脑图表数据来说处于较高水平，相反，如果百分位数较低（例如，接近0%），则表明该数据点处于较低水平，通过比较不同数据点的百分位数，可以直观地了解待测试对象在不同脑指标上的健康状态是否偏离正常范围，以及偏离的程度。

医生和研究人员可以使用这些包含百分位数的脑健康偏离图像来更准确地评估待测试对象的脑健康状态，这些图像可以作为制定个性化治疗计划、监测疾病进展和评估治疗效果的重要依据。

通过以下方式确定待测试对象的多个脑健康偏离图像：

将待测试对象的年龄、性别、脑部检测仪器的设备型号、多个脑功能指标以及多个脑结构指标输入脑健康评估模型，得到多个脑健康偏离图像，其中，脑健康评估模型用于表征目标参数与脑健康状态之间的关系，目标参数为待测试对象的年龄、性别、待测试对象进行脑部检测得到的多个脑指标以及脑部检测仪器的设备型号。

首先，收集待测试对象的基本信息和脑指标数据：年龄：记录待测试对象的实际年龄；性别：记录待测试对象的性别（男/女）；脑部检测仪器的设备型号：记录用于进行脑部检测的特定仪器的设备编号，以确保数据的可追溯性和准确性；多个脑功能指标：这些指标可能包括认知功能、记忆力、注意力等方面的量化评估结果；多个脑结构指标：这些指标可能涉及脑体积、脑灰质/白质比例、脑沟回形态等结构特征的量化数据；

然后，应用于脑健康评估模型，该模型能够表征目标参数（年龄、性别、脑指标、设备型号）与脑健康状态之间的关系，从模型中获取多个脑健康偏离图像，模型将基于输入数据生成一系列脑健康偏离图像，这些图像可能以二维或三维形式呈现，并显示脑健康状态的偏离程度，通过视觉检查或自动化分析工具，分析这些偏离图像以确定脑健康状态的具体偏离区域和程度。这有助于识别潜在的脑功能或结构异常，最后，由神经科学或医学影像领域的专家对偏离图像进行解读，以确定具体的脑健康问题和可能的病因，制定治疗计划：根据解读结果，为待测试对象制定个性化的治疗或干预计划，以改善脑健康状态，建议定期进行脑部检测，以跟踪脑健康状态的变化并调整治疗计划。

请参阅图2，图2为本申请实施例所提供的确定脑健康评估模型的流程图。如图2中所示，本申请实施例提供的影像处理方法，包括：

S201、确定响应变量和协变量。

这里，响应变量包括表征待测试对象的脑健康状态的脑健康偏离图像，所述协变量包括年龄、性别、多个脑功能指标以及多个脑结构指标。

此处的响应变量并非传统意义上的单一数值，而是一系列图像，每幅图像都表征了待测试对象在特定脑健康指标上的偏离程度。然而，在GAMLSS模型的常规应用中，响应变量通常是数值型的。为了将脑健康偏离图像纳入GAMLSS模型，我们需要从这些图像中提取数值型的特征。这些特征可以是图像中特定区域的平均偏离值、最大偏离值、偏离值的总和，或是通过图像分析算法得出的其他量化指标。

此处的协变量包括以下参数：

年龄：待测试对象的实际年龄，是一个数值型变量；

性别：待测试对象的性别，通常作为分类变量处理，可以编码为0（女性）和1（男性），或采用其他适合的编码方式；

多个脑功能指标：这些指标可能包括认知功能评分、记忆力测试得分等，均为数值型变量；

多个脑结构指标：可能涉及脑体积、脑灰质/白质比例等，同样为数值型变量。

S202、根据广义加性模型针对响应变量和协变量进行拟合，得到所述脑健康评估模型。

首先，进行数据预处理，从脑健康偏离图像中提取数值型特征，作为GAMLSS模型的响应变量；对数值型协变量（如年龄、脑功能指标、脑结构指标）进行标准化处理，以消除量纲差异对模型的影响；对性别等分类变量进行适当编码，以便在模型中使用。

然后，根据响应变量的特性，选择合适的概率分布类型。由于响应变量是从图像中提取的数值型特征，可能符合正态分布、对数正态分布、伽马分布等，为每个参数（θ1, θ2,θ3, θ4）定义回归函数gj(xi)。这些函数可以是线性函数，也可以是更为复杂的非线性函数，如广义加性模型（GAM）中的平滑函数，示例的，这四个参数（θ1, θ2, θ3, θ4）通常分别表示：位置参数（如均值或中位数），尺度参数（如标准差或方差），形状参数（如偏度）和超形状参数（如峰度）。

使用统计软件（如R语言中的gamlss包）对模型进行拟合。在拟合过程中，需要指定响应变量的分布类型和各个参数的回归函数，通过残差分析等手段检查模型的拟合效果，确保模型假设的合理性，根据诊断结果调整模型结构，如改变分布类型、调整回归函数形式等，以提高模型的预测性能。

根据脑结构与功能指标与年龄进行建模，并得出相应的百分位数。GAMLSS 允许将位置、尺度、形状等分布参数作为协变量的函数进行建模，因此可以根据脑结构与功能指标与年龄的关系来预测不同年龄段下脑体积的百分位数。

在一可选实施例中，GAMLSS模型的基本形式如下：

Yi ~ f (yi∣θ1(xi)， θ2(xi)， θ3(xi)，θ4(xi))

其中，yi是响应变量，f (yi∣θ1(xi)，θ2(xi)，θ3(xi)，θ4(xi)) 是给定一组位置、尺度和形状参数的概率分布。具体来说，f表示一个概率密度函数（或概率质量函数），其中参数 θ1, θ2, θ3, θ4是通过协变量来建模的。这四个参数（θ1, θ2, θ3, θ4）通常分别表示：位置参数（如均值或中位数），尺度参数（如标准差或方差），形状参数（如偏度）和超形状参数（如峰度）。

每个参数都可以通过回归模型表示为一个协变量的函数：

θj(xi)=gj(xi) ，j=1，2，3，4中，gj(xi)是回归函数，通常是线性回归模型或更为复杂的非线性函数。

根据脑结构与功能指标（作为协变量）与年龄（也作为协变量）来建模，并得出不同年龄段下脑体积的百分位数，首先，需要选择一个合适的概率分布来描述脑体积数据。例如，可以选择正态分布、对数正态分布或伽马分布等，然后，使用GAMLSS模型对位置参数（均值或中位数）、尺度参数（标准差或方差）、形状参数（偏度）和超形状参数（峰度）进行建模。这些参数可以表示为脑结构与功能指标和年龄的函数，使用统计软件（如R语言的gamlss包）拟合GAMLSS模型，最后，一旦模型拟合完成，就可以使用模型来预测不同年龄段下脑体积的百分位数。这通常涉及到计算给定概率 p 下的分位数函数。

对于正态分布数据，百分位数可以通过以下公式计算：

P(p)=μ+σ×Φ−1(p)

其中：μ是估计的均值（位置参数），σ是估计的标准差（尺度参数）， Φ−1(p)是标准正态分布的分位数函数，即求得给定概率p对应的Z值。

GAMLSS模型提供了一种灵活的方法来建模和预测复杂数据的分布参数，通过选择合适的分布和回归函数，可以准确地描述和预测脑结构与功能指标与年龄之间的关系，并得出不同年龄段下脑体积的百分位数。

具体地，可以通过以下方式训练脑健康评估模型：

获取训练样本集合。

训练样本集合中包括多个训练样本，每个训练样本包括样本年龄、样本性别、样本脑部检测仪器的设备型号、多个样本脑功能指标、多个样本脑结构指标以及多个样本脑健康偏离图像；

首先，需要从可靠的医疗数据库或研究机构获取大量的脑部健康数据。这些数据应包含不同年龄、性别、脑部健康状况的个体，在收集到数据后，需要对数据进行清洗，去除不完整、异常或重复的数据，确保数据的准确性和一致性，对于每个训练样本，需要标注其脑健康状态，这通常基于医生的诊断或专业的脑部健康评估结果。

然后，从原始数据中提取出对脑健康预测有用的特征，包括样本年龄、样本性别、样本脑部检测仪器的设备型号、多个样本脑功能指标（如记忆力、注意力等）、多个样本脑结构指标（如脑体积、脑沟深度等）以及可能的遗传信息，将多个样本脑健康偏离图像作为模型的输出。这些图像可以是MRI、CT等脑部扫描图像，通过图像处理技术提取出的与健康状态相关的特征。

将样本年龄、样本性别、样本脑部检测仪器的设备型号、多个样本脑功能指标以及多个样本脑结构指标作为初始脑健康评估模型的输入，将多个样本脑健康偏离图像作为初始脑健康评估模型的输出，以对初始脑健康评估模型进行训练。

根据问题的复杂性和数据的特性，选择合适的机器学习或深度学习模型。例如，卷积神经网络（CNN）在处理图像数据方面表现出色，而循环神经网络（RNN）则适用于处理时间序列数据。

将样本年龄、样本性别、样本脑部检测仪器的设备型号、多个样本脑功能指标以及多个样本脑结构指标作为模型的输入特征，将多个样本脑健康偏离图像作为模型的输出目标，使用训练样本集合对初始模型进行训练，通过调整模型的参数来最小化预测误差，在训练过程中，可以使用交叉验证等技术来评估模型的性能，防止过拟合。

使用测试数据集来评估模型的性能，包括准确率、召回率、F1分数等指标，根据评估结果，对模型的参数进行微调，以提高模型的性能，通过特征重要性分析，了解哪些特征对模型的预测结果影响最大，有助于进一步优化特征选择和模型设计。

本申请实施例提供的影像处理方法和影像处理装置，从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，多模态神经影像数据包括多个脑结构指标和用于表征待测试对象的脑动态变化的多个脑功能指标；根据待测试对象的基本信息、脑部检测仪器的设备型号、多个脑功能指标以及多个脑结构指标，生成多个脑健康偏离图像，用以表征待测试对象的脑健康状态，其中，每个脑健康偏离图像包括多个脑图表曲线和个性化数据点，多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，个性化数据点用于表征针对待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。通过本申请，提高脑健康评估的准确性，为临床诊断和治疗提供有力的支持。

本申请能够灵活应对数据分布不均匀和多模态拟合的挑战，首先，本发明依据大样本的中国人群神影像数据建模。其次，本申请采用的规范化建模方法，在处理数据分布稀疏时能够有效提高拟合的准确性，并且能够对不同模态的数据进行合理融合，弥补了传统方法在多模态数据拟合上的不足。通过这种方式，本申请能够精确描绘出脑结构和功能的变化轨迹，覆盖个体全生命周期的变化过程，形成精准的脑图表。

与现有技术相比，本申请具有显著的优势。首先，首次建立了中国正常人群特有的脑结构与功能脑图表，具有创新性和代表性。其次，通过规范化建模方法的优化，能够较好地解决数据分布不均匀问题，从而提高脑结构和功能变化模型的准确性和稳定性。另外，针对多模态数据的融合，本发明能够有效地将不同神经影像模态（如结构磁共振成像、功能磁共振成像等）进行统一建模，消除了传统方法在模态转换中的难点。这使得脑图表的构建更加全面和精确。最后，本发明具有较高临床应用价值，能够为神经系统疾病的诊断和治疗提供可靠的支持。

本申请建立中国人群特有的多模态拟合脑结构与功能的正常参考值(即脑图表)，并且，脑结构与功能图表良好的自适应能力，具有良好的转移泛化能力，可应用于新数据。

由于多模态神经影像数据涵盖了多个脑结构指标和脑功能指标，本申请能够提供一个更为全面和细致的脑健康评估，这有助于识别出脑健康方面的多种潜在问题，包括但不限于结构异常、功能失调等；实时获取和处理数据意味着可以立即获得待测试对象的脑健康状态反馈。这对于需要迅速做出医疗决策的情况尤为重要，如急性脑损伤或疾病发作时的紧急处理；通过结合待测试对象的基本信息和脑部检测仪器的设备型号，生成的脑健康偏离图像能够反映个体间的差异，这有助于实现更加个性化的脑健康评估和治疗方案制定；脑健康偏离图像通过多个脑图表曲线和数据点直观地展示了待测试对象在不同脑指标下的标准脑图表数据中的占比情况，这种可视化方式使得医生和其他医疗专业人员能够更容易地理解和解释数据，从而做出更准确的诊断。

本申请提供的脑健康偏离图像可以作为临床决策的重要参考依据。医生可以根据这些图像提供的信息，结合其他临床数据，制定更加精确和有效的治疗方案；这种方法不仅有助于临床实践，还为神经科学研究提供了新的工具和视角。通过深入分析这些多模态神经影像数据，研究人员可以进一步了解大脑的结构和功能，以及它们与各种神经疾病之间的关系。

基于同一发明构思，本申请实施例中还提供了与影像处理方法对应的影像处理装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述影像处理方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

请参阅图3，图3为本申请实施例所提供的影像处理装置的结构示意图。如图3中所示，所述影像处理装置300包括：

获取模块301，用于从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，所述多模态神经影像数据包括多个脑结构指标和用于表征所述待测试对象的脑动态变化的多个脑功能指标；

生成模块302，用于根据所述待测试对象的基本信息、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标，生成多个脑健康偏离报告，用以表征所述待测试对象的脑健康状态，其中，所述多个脑健康偏离报告包括多个第一脑健康偏离图像以及多个第二脑健康偏离图像，每个第一脑健康偏离图像分别对应一脑功能指标，每个第二脑健康偏离图像分别对应一脑结构指标，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，所述多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，所述个体化数据点用于表征针对所述待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。

请参阅图4，图4为本申请实施例所提供的电子设备的结构示意图。如图4中所示，所述电子设备500包括处理器510、存储器520和总线530。

所述存储器520存储有所述处理器510可执行的机器可读指令，当电子设备500运行时，所述处理器510与所述存储器520之间通过总线530通信，所述机器可读指令被所述处理器510执行时，可以执行如上述图1所示方法实施例中的影像处理方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的影像处理方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种影像处理方法，其特征在于，包括：

从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，所述多模态神经影像数据包括多个脑结构指标和用于表征所述待测试对象的脑动态变化的多个脑功能指标；

根据所述待测试对象的基本信息、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标，生成多个脑健康偏离报告，用以表征所述待测试对象的脑健康状态，其中，所述多个脑健康偏离报告包括多个第一脑健康偏离图像以及多个第二脑健康偏离图像，每个第一脑健康偏离图像分别对应一脑功能指标，每个第二脑健康偏离图像分别对应一脑结构指标，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，所述多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，所述个体化数据点用于表征针对所述待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。

2.根据权利要求1所述的方法，其特征在于，所述待测试对象的基本信息包括年龄和性别，每个脑健康偏离图像的横坐标为年龄，每个脑健康偏离图像的纵坐标为对应脑指标的单位，每个脑健康偏离图像的多个脑图表曲线包括第一脑指标发展曲线以及至少一个第二脑指标发展曲线，所述第一脑指标发展曲线用于表征处于所述待测试对象的性别以及所述待测试对象进行脑部检测的脑部检测仪器的设备型号下的全年龄段的对应脑指标的所有检测值的平均值的变化曲线，第二脑指标发展曲线的每个数据点与所述第一脑指标发展曲线中的每个数据点之间存在预设差距。

3.根据权利要求2所述的方法，其特征在于，通过以下方式确定所述待测试对象的多个脑健康偏离图像：

将所述待测试对象的年龄、性别、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标输入脑健康评估模型，得到多个脑健康偏离图像，其中，所述脑健康评估模型用于表征目标参数与脑健康状态之间的关系，所述目标参数为待测试对象的年龄、性别、待测试对象进行脑部检测得到的多个脑指标以及脑部检测仪器的设备型号。

4.根据权利要求3所述的方法，其特征在于，所述脑健康偏离图像还包括百分位数，其中，针对每个脑健康偏离图像，在该脑健康偏离图像中的个体化数据点的关联区域显示对应的百分位数，所述百分位数用于表征与该百分位数关联的个体化数据点在对应年龄、对应脑指标下与标准脑图表数据之间的占比情况。

5.根据权利要求4所述的方法，其特征在于，通过以下方式确定所述脑健康评估模型：

确定响应变量和协变量，所述响应变量包括表征待测试对象的脑健康状态的脑健康偏离图像，所述协变量包括年龄、性别、多个脑功能指标以及多个脑结构指标；

根据广义加性模型针对所述响应变量和所述协变量进行拟合，得到所述脑健康评估模型。

6.根据权利要求3所述的方法，其特征在于，通过以下方式训练脑健康评估模型：

获取训练样本集合，所述训练样本集合中包括多个训练样本，每个训练样本包括样本年龄、样本性别、样本脑部检测仪器的设备型号、多个样本脑功能指标、多个样本脑结构指标以及多个样本脑健康偏离图像；

将所述样本年龄、所述样本性别、所述样本脑部检测仪器的设备型号、所述多个样本脑功能指标以及所述多个样本脑结构指标作为初始脑健康评估模型的输入，将所述多个样本脑健康偏离图像作为所述初始脑健康评估模型的输出，以对所述初始脑健康评估模型进行训练。

7.根据权利要求1所述的方法，其特征在于，所述多个脑结构指标包括结构磁共振成像数据和扩散张量加权成像数据，所述多个脑功能指标包括功能磁共振成像数据、动脉自旋标记数据以及血管-水交换成像数据。

8.一种影像处理装置，其特征在于，包括：

获取模块，用于从脑部检测仪器实时获取针对待测试对象检测的多模态神经影像数据，所述多模态神经影像数据包括多个脑结构指标和用于表征所述待测试对象的脑动态变化的多个脑功能指标；

生成模块，用于根据所述待测试对象的基本信息、所述脑部检测仪器的设备型号、所述多个脑功能指标以及所述多个脑结构指标，生成多个脑健康偏离报告，用以表征所述待测试对象的脑健康状态，其中，所述多个脑健康偏离报告包括多个第一脑健康偏离图像以及多个第二脑健康偏离图像，每个第一脑健康偏离图像分别对应一脑功能指标，每个第二脑健康偏离图像分别对应一脑结构指标，每个脑健康偏离图像包括多个脑图表曲线和个体化数据点，所述多个脑图表曲线基于在对应脑指标下的标准脑图表数据来生成，所述个体化数据点用于表征针对所述待测试对象检测的在对应脑指标下的标准脑图表数据中的排序情况。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述方法的步骤。