发明名称 一种基于知识库的脑功能成像诊断方法
摘要 本发明公开了一种基于知识库的脑功能成像诊断方法,包括以下步骤:对脑功能成像诊断问题进行知识表示,包括树状表示和构建脑功能成像诊断问题知识化信息模型;设计知识模型;建立知识库,对知识库的数据进行管理,将数据库和知识库相结合,并提取成像特征。本发明根据脑功能成像的特点,引入知识工程的知识表示理论,通过一种基于知识的树状表示法描述该问题,并在此基础上表示辅助诊断中的规则,从而形成问题的知识库,通过使用知识库、数据库和医学图像处理结合的技术,设计了一种能够利用知识工程的方法建立一个半自动化脑功能成像辅助诊断过程,为医生提供一些有参考价值的信息的脑功能成像诊断方法。
申请公布号 CN103838942A 申请公布日期 2014.06.04
申请号 CN201210476138.X 申请日期 2012.11.21
申请人 大连灵动科技发展有限公司 发明人 刘博;梅昱婷
分类号 G06F19/00(2011.01)I;G06F17/30(2006.01)I 主分类号 G06F19/00(2011.01)I
代理机构 大连东方专利代理有限责任公司 21212 代理人 曲永祚
主权项 1.一种基于知识库的脑功能成像诊断方法,其特征在于:包括以下步骤:A、对脑功能成像诊断问题进行知识表示A1、树状表示实际问题在计算机中的表示方法与问题的信息结构特征密切关联;它要对问题易于辨识、信息易于扩充和修改,并便于实现快速的信息搜索与基于知识的推理,对于某些具有层次化树状信息结构特征的实际问题,使用知识的树状表示法加以描述;根据实际问题的特点,把信息分为不同的侧面信息,每一个信息侧面还可划分不同的信息单元;这样可以把实际问题的信息归结成为一种层次化的树状结构图;子句是基本信息单元,也是问题描述树的叶节点,它包含问题的数据信息;分支节点描述的是实际问题的结构信息;边表示父节点与子节点之间的隶属关系;由此可见,树状描述的问题结构信息为实际问题的识别创造了条件,也为知识化模型生成过程中的信息快速搜索与推理创造了条件;A2、构建脑功能成像诊断问题知识化信息模型尽管脑功能成像诊断问题十分复杂,但它有三个基本的要素:患者基本信息、成像特征和病症;由此把该问题划分为三个信息侧面,即患者基本信息侧面、成像特征信息侧面和病症侧面;在患者信息侧面中又包含性别、年龄和学历等信息单元;每个信息单元中又包含若干子句,如在性别信息单元中包含男和女两个子句;由于患者基本信息为结构化数据,所以它保存在数据库中,并可以转化为树形结构;在成像特征侧面中包含是从脑成像数据提取的不同脑区的特征;根据Talairach-Tournoux坐标系将脑标注成几十个不同的Brodmann脑区,他们共分五层,分为从Level1到Level5五个等级;但五个层次并不是严格的树型关系;病症信息侧面中则包含了患者所表现的症状;因此它一般为半结构化或非结构化的信息;由于Prolog语言的结构化和模块化程度很高,比较适合把问题描述树所代表的实际应用问题表述成计算机程序,因此我们采用Prolog语言把问题描述树所代表的原始信息表述成计算机程序语言编写的程序,形成按一定组织结构组合的子句;此子句集所构成的程序就是本问题的知识化信息模型;用Prolog语言编写信息模型如下:/*描述患者基本信息*/patient(“信息单元名”,“子句”,“患者”);/*描述成像特征信息*/feature(“信息单元名”,“子句”,“患者”);/*描述病症信息*/know(“信息单元名”,“子句”,“患者”);例如:一位20岁的男患者a,睡眠质量差,用Prolog语言描述为(在Prolog中用“,”表示“∧”,本文为了表达直观仍使用“∧”):patient(age,20,a)∧patient(gender,male,a)∧know(睡眠质量,差,a);B、设计知识模型使用Prolog的目的就是实现系统的智能化推理,用产生式系统来表示知识及信息;选择这种知识表示是因为它具有很多的优点,尤其是易于理解、易于获取及易于管理;产生式系统中包含一组产生式和事实;产生式规则把知识用IF-THEN来表示:if(&lt;前提1&gt;&lt;前提2&gt;…&lt;前提n&gt;)then (&lt;结论1&gt;&lt;结论2&gt;…&lt;结论n&gt;)即满足前提条件后,就对数据实行后面的结论所指定的操作;由于对患者病情的诊断是从以上三个信息侧面中推理得出,因此诊断规则在Prolog中的表<img file="FDA00002445012200021.GIF" wi="1998" he="251" />使用规则是要推知对患者的诊断情况,所以结果diagnose(“信息单元名”,“子句”,“学生”)始终出现在Prolog规则的结论中,即谓词的定义部分;而患者基本信息侧面、成像特征信息侧面和病症侧面构成了Prolog规则的条件部分;只要在Prolog中询问“diagnose(Y,Z,a)”(Y和Z为变量),即可得到所有可能的结果;C、建立知识库C1、管理知识库的数据知识库中的数据并不是固定不变,把知识库分成两部分:固定知识和变动知识;固定知识指的是规则,它不会根据患者的不同而改变,只能是当前患者是否使用该条规则,因此这部分的知识写在Prolog的程序文件中;变动知识指的是针对某一位患者的数据信息,它随着患者的不同而变化,所以这部分内容是动态加入内存的;当诊断时,首先系统会把固定知识读入,然后在数据库中查询患者基本信息,从成像文件中提取特征信息,以及由医生输入病症,将它们用Prolog语言描述后加入知识库;C2、结合知识库和数据库患者基本信息都来源于对数据库查询的结果;例如,对一个编号为A的患者a,其具体操作如下:Select患者;基本信息单元1,…,患者;基本单元nFrom患者Where患者;编号=A;数据库中的表结构和问题描述树的结构具有一致性:信息单元名称对应表的列名,查询结果就是该信息单元中相应子句的数据信息,因此可以用Prolog语言的表达出来:pentient(信息单元1,信息单元1对应列中的查询结果,a)    ……pentient(信息单元n,信息单元n对应列中的查询结果,a)C3、提取成像特征一般成像特征不是直接保存的,它通过对成像数据文件进行特征提取而得到的;这些文件由各种成像影像设备采集,虽然设备自身带的计算机一般是各生产厂家专用的,数据存储格式不尽相同,但医学图象国际上已有通用标准,即DICOM;因此无论从任何厂家生产的设备,都带有转换成DICOM格式的功能;所以,数据文件当中也使用DICOM格式的数据;特征提取需要预处理和提取两个步骤;一般情况下预处理的过程包括,配准、标准化和数据正规化;提取则是用各种统计分析方式如亮度,纹理和形状等,对脑图像按不同脑区进行提取;由于已经把脑区划分为树形结构,因此很容易把它描述为Prolog语言;如描述左脑额叶高度激活为,feature(额叶1,激活高,a)。
地址 116023 辽宁省大连市高新区火炬路1号506室