一種基于知識庫的腦功能成像診斷方法
【專利摘要】本發(fā)明公開了一種基于知識庫的腦功能成像診斷方法，包括以下步驟：對腦功能成像診斷問題進行知識表示，包括樹狀表示和構(gòu)建腦功能成像診斷問題知識化信息模型；設(shè)計知識模型；建立知識庫，對知識庫的數(shù)據(jù)進行管理，將數(shù)據(jù)庫和知識庫相結(jié)合，并提取成像特征。本發(fā)明根據(jù)腦功能成像的特點，引入知識工程的知識表示理論，通過一種基于知識的樹狀表示法描述該問題，并在此基礎(chǔ)上表示輔助診斷中的規(guī)則，從而形成問題的知識庫，通過使用知識庫、數(shù)據(jù)庫和醫(yī)學圖像處理結(jié)合的技術(shù)，設(shè)計了一種能夠利用知識工程的方法建立一個半自動化腦功能成像輔助診斷過程，為醫(yī)生提供一些有參考價值的信息的腦功能成像診斷方法。
【專利說明】一種基于知識庫的腦功能成像診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于知識的樹狀表示法技術(shù)，特別是一種基于知識庫的腦功能成像診斷方法。
【背景技術(shù)】
[0002]近20年來，隨著現(xiàn)代物理、電子與計算機技術(shù)的迅速發(fā)展，腦功能成像技術(shù)(functional brain imaging)取得了長足的進步,一批功能強大的無創(chuàng)性腦功能成像手段相繼誕生。這促使研究者們對腦功能成像技術(shù)及其在認知過程、情緒過程中的應用產(chǎn)生了濃厚的興趣，將它們迅速應用到認知神經(jīng)科學以及心理學的各個領(lǐng)域中，并取得了許多突破性成果，促進了這些領(lǐng)域研究的深入化進程。腦功能成像一種整體的，無創(chuàng)性的、活體檢測腦功能的技術(shù)。
[0003]研究者進行腦功能成像技術(shù)進行實驗，最明顯的目的是為了將腦的結(jié)構(gòu)與其功能聯(lián)系起來。我們已經(jīng)知道，腦的許多功能都是定位于大腦的神經(jīng)組織結(jié)構(gòu)之中的；基于此，研究者們開始試圖成像出那些參與到不同腦結(jié)構(gòu)激活中的基本過程?，F(xiàn)代神經(jīng)成像假定，我們可以根據(jù)組成復雜心理過程的一些基本操作的結(jié)合來對其進行最好的描述，這些基本過程并不是定位于大腦中的某個單一部位的，而通常是神經(jīng)元網(wǎng)絡(luò)共同作用的結(jié)果。神經(jīng)成像的這一假定自然而然地導致了人們對與基本心理過程相伴隨著的腦激活的探討。而將這些基本過程成像到大腦中的區(qū)域和功能性網(wǎng)絡(luò)就是現(xiàn)代腦成像研究的主要目標。對不同腦結(jié)構(gòu)的功能的詳細成像可以為我們提供關(guān)于基本心理過程的可靠證據(jù)。一旦我們能夠確定，特定的腦區(qū)與某一心理過程有關(guān)系，就可以超越這種結(jié)構(gòu)與功能的簡單對應關(guān)系，而使用統(tǒng)計技術(shù)(如區(qū)域間相關(guān)、因素分析、結(jié)構(gòu)方程建模等)來進一步考察與復雜心理任務有關(guān)的激活環(huán)路，分析出心理任務中包含了哪些基本過程的結(jié)合。這樣，通過考察激活模式，我們就能從簡單到復雜，并能了解在某一模式中所激活的結(jié)構(gòu)所具有的功能。此外，在腦損傷研究中，還能幫助我們推測受其影響何種腦功能會喪失。
[0004]目前，腦功能成像主要包括能核磁共振成像(fMRI)、正電子發(fā)射斷層成像(PET)和單光子發(fā)射斷層成像(SPECT)等。這些設(shè)備產(chǎn)生了大量圖像數(shù)據(jù)，這些數(shù)據(jù)只能用專業(yè)化的計算機軟件進行分析和處理。與人工分析相比，計算機分析處理數(shù)據(jù)就有低成本，時間短，自動記錄分析結(jié)果，一致性強等優(yōu)點。

【發(fā)明內(nèi)容】

[0005]為促進腦功能成像技術(shù)的發(fā)展和實際應用，本發(fā)明通過建立一個基于知識庫的計算機系統(tǒng)模型，設(shè)計了一種能夠利用知識工程的方法建立一個半自動化腦功能成像輔助診斷過程，為醫(yī)生提供一些有參考價值的信息的使用了知識庫、數(shù)據(jù)庫和醫(yī)學圖像處理結(jié)合的腦功能成像診斷方法。
[0006]為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下:一種互聯(lián)網(wǎng)的個性化服務方法，包括以下步驟:[0007]A、對腦功能成像診斷問題進行知識表示
[0008]Al、樹狀表示
[0009]實際問題在計算機中的表示方法與問題的信息結(jié)構(gòu)特征密切關(guān)聯(lián)。它要對問題易于辨識、信息易于擴充和修改，并便于實現(xiàn)快速的信息搜索與基于知識的推理，對于某些具有層次化樹狀信息結(jié)構(gòu)特征的實際問題，使用知識的樹狀表示法加以描述。
[0010]根據(jù)實際問題的特點，把信息分為不同的側(cè)面信息，每一個信息側(cè)面還可劃分不同的信息單元。這樣可以把實際問題的信息歸結(jié)成為一種層次化的樹狀結(jié)構(gòu)圖。子句是基本信息單元，也是問題描述樹的葉節(jié)點，它包含問題的數(shù)據(jù)信息；分支節(jié)點描述的是實際問題的結(jié)構(gòu)信息；邊表示父節(jié)點與子節(jié)點之間的隸屬關(guān)系。由此可見，樹狀描述的問題結(jié)構(gòu)信息為實際問題的識別創(chuàng)造了條件，也為知識化模型生成過程中的信息快速搜索與推理創(chuàng)造了條件。
[0011]A2、構(gòu)建腦功能成像診斷問題知識化信息模型
[0012]盡管腦功能成像診斷問題十分復雜，但它有三個基本的要素:患者基本信息、成像特征和病癥。由此把該問題劃分為三個信息側(cè)面，即患者基本信息側(cè)面、成像特征信息側(cè)面和病癥側(cè)面。
[0013]在患者信息側(cè)面中又包含性別、年齡和學歷等信息單元。每個信息單元中又包含若干子句，如在性別信息單元中包含男和女兩個子句。由于患者基本信息為結(jié)構(gòu)化數(shù)據(jù)，所以它保存在數(shù)據(jù)庫中，并可以轉(zhuǎn)化為樹形結(jié)構(gòu)。
[0014]在成像特征側(cè)面中包含是從腦成像數(shù)據(jù)提取的不同腦區(qū)的特征。根據(jù)Talairach-Tournoux坐標系將腦標注成幾十個不同的Brodmann腦區(qū),他們共分五層,分為從Levell到Level5五個等級。但五個層次并不是嚴格的樹型關(guān)系。病癥信息側(cè)面中則包含了患者所表現(xiàn)的癥狀。因此它一般為半結(jié)構(gòu)化或非結(jié)構(gòu)化的信息。
[0015]由于Prolog語言的結(jié)構(gòu)化和模塊化程度很高，比較適合把問題描述樹所代表的實際應用問題表述成計算機程序，因此我們采用Prolog語言把問題描述樹所代表的原始信息表述成計算機程序語言編寫的程序，形成按一定組織結(jié)構(gòu)組合的子句。此子句集所構(gòu)成的程序就是本問題的知識化信息模型。用Prolog語言編寫信息模型如下:
[0016]/*描述患者基本信息*/
[0017]patient ( “信息單元名”，“子句”，“患者”).[0018]/*描述成像特征信息*/
[0019]feature (“信息單元名”，“子句”，“患者”).[0020]/*描述病癥信息*/
[0021]know (“信息單元名”，“子句”，“患者”).[0022]例如:一位20歲的男患者a，睡眠質(zhì)量差，用Prolog語言描述為(在Prolog中用“，”表示“ Λ ”，本文為了表達直觀仍使用“ Λ ”):
[0023]patient (age, 20, a) Λ patient (gender, male, a) Λ know (睡眠質(zhì)量,差，a).[0024]B、設(shè)計知識模型
[0025]使用Prolog的目的就是實現(xiàn)系統(tǒng)的智能化推理，用產(chǎn)生式系統(tǒng)來表示知識及信息。選擇這種知識表示是因為它具有很多的優(yōu)點，尤其是易于理解、易于獲取及易于管理。產(chǎn)生式系統(tǒng)中包含一組產(chǎn)生式和事實。產(chǎn)生式規(guī)則把知識用IF-THEN來表示:[0026]if(〈前提IX前提2>…〈前提n>)
[0027]then ?結(jié)論IX結(jié)論2>… < 結(jié)論η?
[0028]即滿足前提條件后，就對數(shù)據(jù)實行后面的結(jié)論所指定的操作。由于對患者病情的診斷是從以上三個信息側(cè)面中推理得出，因此診斷規(guī)則在Prolog中的表達式為:
[0029]
【權(quán)利要求】
1.一種基于知識庫的腦功能成像診斷方法，其特征在于:包括以下步驟: A、對腦功能成像診斷問題進行知識表示 Al、樹狀表示 實際問題在計算機中的表示方法與問題的信息結(jié)構(gòu)特征密切關(guān)聯(lián)；它要對問題易于辨識、信息易于擴充和修改，并便于實現(xiàn)快速的信息搜索與基于知識的推理，對于某些具有層次化樹狀信息結(jié)構(gòu)特征的實際問題，使用知識的樹狀表示法加以描述； 根據(jù)實際問題的特點，把信息分為不同的側(cè)面信息，每一個信息側(cè)面還可劃分不同的信息單元；這樣可以把實際問題的信息歸結(jié)成為一種層次化的樹狀結(jié)構(gòu)圖；子句是基本信息單元，也是問題描述樹的葉節(jié)點，它包含問題的數(shù)據(jù)信息；分支節(jié)點描述的是實際問題的結(jié)構(gòu)信息；邊表示父節(jié)點與子節(jié)點之間的隸屬關(guān)系；由此可見，樹狀描述的問題結(jié)構(gòu)信息為實際問題的識別創(chuàng)造了條件，也為知識化模型生成過程中的信息快速搜索與推理創(chuàng)造了條件； A2、構(gòu)建腦功能成像診斷問題知識化信息模型 盡管腦功能成像診斷問題十分復雜，但它有三個基本的要素:患者基本信息、成像特征和病癥；由此把該問題劃分為三個信息側(cè)面，即患者基本信息側(cè)面、成像特征信息側(cè)面和病癥側(cè)面；在患者信息側(cè)面中又包含性別、年齡和學歷等信息單元；每個信息單元中又包含若干子句，如在性別信息單元中包含男和女兩個子句；由于患者基本信息為結(jié)構(gòu)化數(shù)據(jù)，所以它保存在數(shù)據(jù)庫中，并可以轉(zhuǎn)化為樹形結(jié)構(gòu)；在成像特征側(cè)面中包含是從腦成像數(shù)據(jù)提取的不同腦區(qū)的特征；根據(jù)Talairach-Tournoux坐標系將腦標注成幾十個不同的Brodmann腦區(qū),他們共分五層,分為從Levell到Level5五個等級；但五個層次并不是嚴格的樹型關(guān)系；病癥信息側(cè)面中則包含了患者所表現(xiàn)的癥狀；因此它一般為半結(jié)構(gòu)化或非結(jié)構(gòu)化的信息； 由于Prolog語言的結(jié)構(gòu)化和模塊化程度很高，比較適合把問題描述樹所代表的實際應用問題表述成計算機程序，因此我們采用Prolog語言把問題描述樹所代表的原始信息表述成計算機程序語言編寫的程序，形成按一定組織結(jié)構(gòu)組合的子句；此子句集所構(gòu)成的程序就是本問題的知識化信息模型；用Prolog語言編寫信息模型如下: /*描述患者基本信息*/ patient ( “信息單元名”，“子句”，“患者”)； /*描述成像特征信息*/ feature (“信息單元名”，“子句”，“患者”)； /*描述病癥信息*/ know (“信息單元名”，“子句”，“患者”)； 例如:一位20歲的男患者a，睡眠質(zhì)量差，用Prolog語言描述為(在Prolog中用“，”表示“Λ”，本文為了表達直觀仍使用“Λ”):
patient (age, 20, a) Λ patient (gender, male, a) Λ know (睡眠質(zhì)量，差，a)； B、設(shè)計知識模型 使用Prolog的目的就是實現(xiàn)系統(tǒng)的智能化推理，用產(chǎn)生式系統(tǒng)來表示知識及信息；選擇這種知識表示是因為它具有很多的優(yōu)點，尤其是易于理解、易于獲取及易于管理；產(chǎn)生式系統(tǒng)中包含一組產(chǎn)生式和事實；產(chǎn)生式規(guī)則把知識用IF-THEN來表示:if?前提IX前提2>…〈前提n>) then (〈結(jié)論1>〈結(jié)論2>…〈結(jié)論n>) 即滿足前提條件后，就對數(shù)據(jù)實行后面的結(jié)論所指定的操作；由于對患者病情的診斷是從以上三個信息側(cè)面中推理得出，因此診斷規(guī)則在Prolog中的表達式為:
【文檔編號】G06F19/00GK103838942SQ201210476138
【公開日】2014年6月4日 申請日期:2012年11月21日 優(yōu)先權(quán)日:2012年11月21日
【發(fā)明者】劉博 , 梅昱婷 申請人:大連靈動科技發(fā)展有限公司