局灶性癫痫致病区检测方法和系统与流程

本公开涉及计算机，特别涉及一种局灶性癫痫致病区检测方法和系统。

背景技术：

1、目前，局灶性癫痫致病区检测往往是基于断层扫描影像，例如磁共振成像(magnetic resonance imaging，简称mri)、电子计算机断层扫描(computed tomography，简称mri)影像等。医生通过肉眼观察断层扫描影像，然后依靠经验大致圈定出断层扫描影像中的局灶性癫痫致病区。

技术实现思路

1、第一方面，本公开实施例提供了一种局灶性癫痫致病区检测方法，其中，包括：

2、获取目标对象的脑部的断层扫描影像集，根据所述断层扫描影像集进行脑部三维重建得到所述脑部的三维重建模型，所述断层扫描影像集包括所述脑部在多个不同扫描层分别所对应的断层扫描影像；

3、获取各所述断层扫描影像中的疑似癫痫致病区，得到疑似癫痫致病区集，所述疑似癫痫致病区集包括至少一个疑似癫痫致病区；

4、对所述脑部的脑电信号中的癫痫波信号进行溯源并将溯源结果映射到所述三维重建模型中，以确定出大脑皮层下诱发癫痫的至少一个癫痫致病三维区；

5、针对每一个癫痫致病三维区，从所述疑似癫痫致病区集中筛选出与目标癫痫致病三维区相对应的疑似癫痫致病区作为有效癫痫致病区，并根据所述目标癫痫致病三维区来对对应的各所述有效癫痫致病区分别进行修正得到最终癫痫致病区，所述有效癫痫致病区与对应的所述目标癫痫致病三维区存在交叠。

6、在一些实施例中，从所述疑似癫痫致病区集中筛选出与目标癫痫致病三维区相对应的疑似癫痫致病区作为有效癫痫致病区的步骤包括：

7、确定所述目标癫痫致病三维区分别在各扫描层上的截面区，得到所述目标癫痫致病三维区所对应的截面区集；

8、从所述疑似癫痫致病区集中筛选出与所述目标癫痫致病三维区所对应截面区集中的截面区存在交叠的疑似癫痫致病区作为有效癫痫致病区；

9、或者，

10、确定所述目标癫痫致病三维区分别在各扫描层上的截面区，得到所述目标癫痫致病三维区所对应的截面区集；

11、从所述疑似癫痫致病区集中筛选出与所述目标癫痫致病三维区所对应截面区集中的截面区存在交叠的疑似癫痫致病区作为备选癫痫致病区；

12、根据如下式子分别计算各所述备选癫痫致病区与对应所述目标癫痫致病三维区的面积重叠率iou：

13、

14、sa∩b表示所述备选癫痫致病区a与对应所述目标癫痫致病三维区在所述备选癫痫致病区a所处扫描层上的截面区b的交集面积，sa∪b表示所述备选癫痫致病区a与对应所述目标癫痫致病三维区在所述备选癫痫致病区a所处扫描层上的截面区b的并集面积；

15、筛选出所对应面积重叠率大于等于预设重叠率阈值的备选癫痫致病区，作为有效癫痫致病区，所述预设重叠率阈值大于等于60％。

16、在一些实施例中，根据所述目标癫痫致病三维区来对对应的各所述有效癫痫致病区分别进行修正得到最终癫痫致病区的步骤包括：

17、将所述目标癫痫致病三维区的质心所处扫描层作为基准扫描层，所述目标癫痫致病三维区在所述基准扫描层上截面区作为基准截面区，所述基准截面区的质心作为基准质心，所述基准扫描层所对应的断层扫描影像作为基准断层扫描影像，与所述目标癫痫致病三维区相对应且位于所述基准断层扫描影像中的有效癫痫致病区作为第一有效癫痫致病区，与所述目标癫痫致病三维区相对应且不位于所述基准断层扫描影像中的有效癫痫致病区作为第二有效癫痫致病区，所述第一有效癫痫致病区的质心作为第一质心，获取所述第一质心与所述基准质心之间的距离作为质心偏移距离，以及获取由所述第一质心指向所述基准质心的方向所对应的角度作为质心偏移角度；

18、根据所述基准截面区和所述基准质心确定出所述第一有效癫痫致病区的第一边缘上各第一边缘点所对应的第一修正距离和第一修正角度；

19、针对每一个所述第一边缘点，将目标第一边缘点沿所述第一修正角度所对应方向移动所述第一修正距离以对所述目标第一边缘点进行位置修正；所述第一有效癫痫致病区的全部第一边缘点完成位置修正后所围成的区域为所述第一有效癫痫致病区所对应的最终癫痫致病区；

20、针对每一个第二有效癫痫致病区，根据所述质心偏移距离、所述质心偏移角度、所述第一有效癫痫致病区上各第一边缘点所对应的第一修正距离和第一修正角度，确定出目标第二有效癫痫致病区的第二边缘上各第二边缘点所对应的第二修正距离和第二修正角度；

21、针对所述目标第二有效癫痫致病区的每一个所述第二边缘点，将目标第二边缘点沿所述第二修正角度所对应方向移动所述第二修正距离以对所述目标第二边缘点进行位置修正，所述目标第二有效癫痫致病区的全部第二边缘点完成位置修正后所围成的区域为所述目标第二有效癫痫致病区所对应的最终癫痫致病区。

22、在一些实施例中，根据所述基准截面区和所述基准质心确定出所述第一有效癫痫致病区的第一边缘上各第一边缘点所对应的第一修正距离和第一修正角度的步骤包括：

23、针对每一个第一边缘点，从所述基准截面区的基准边缘上确定出目标第一边缘点所对应的目标基准边缘点，目标基准边缘点为经过所述目标第一边缘点和所述基准质心的虚拟直线与所述基准截面区的基准边缘的所有交点中，距离所述目标第一边缘点最近的一个交点；

24、根据所述目标第一边缘点和所对应的目标基准边缘点确定出所述目标第一边缘点所对应的第一修正距离d1和第一修正角度θ1，所述第一修正距离d1为所述第一目标边缘点与对应所述目标基准边缘点之间的距离，所述第一修正角度θ1为由所述目标第一边缘点指向对应的目标基准边缘点的方向所对应的角度。

25、在一些实施例中，在根据所述质心偏移距离、所述质心偏移角度、所述第一有效癫痫致病区上各第一边缘点所对应的第一修正距离和第一修正角度，确定出目标第二有效癫痫致病区的第二边缘上各第二边缘点所对应的第二修正距离和第二修正角度的步骤之前，还包括：

26、获取所述第一有效癫痫致病区在预设第一方向和预设第二方向上所对应的第一最小外接矩形，并确定出所述第一最小外接矩形的对角线长度l1，所述预设第一方向与所述预设第二方向垂直，所述第一最小外接矩形中的两条垂直边的延伸方向分别为所述预设第一方向和所述预设第二方向；

27、根据所述质心偏移距离、所述质心偏移角度、所述第一有效癫痫致病区上各第一边缘点所对应的第一修正距离和第一修正角度，确定出目标第二有效癫痫致病区的第二边缘上各第二边缘点所对应的第二修正距离和第二修正角度的步骤包括：

28、获取所述目标第二有效癫痫致病区在预设第一方向和预设第二方向上所对应的第二最小外接矩形，并确定出所述第二最小外接矩形的对角线长度l2，所述第二最小外接矩形中的两条垂直边的延伸方向分别为所述预设第一方向和所述预设第二方向；

29、根据质心偏移距离d1、所述质心偏移角度α1、所述第一最小外接矩形的对角线长度l1和所述第二最小外接矩形的对角线长度l2，确定出所述目标第二有效癫痫致病区的整体移动距离d2和整体移动角度α2：

30、d2＝d1*l2/l1

31、α2＝α1；

32、将所述目标第二有效癫痫致病区整体沿着所述整体移动角度所对应方向移动所述整体移动距离；

33、针对完成整体移动后的所述目标第二有效癫痫致病区上的每一个所述第二边缘点，确定目标第二边缘点在所述基准扫描层上所对应的同位置第一边缘点，所述同位置第一边缘点为经过所述基准扫描层上的目标第二边缘正投影点和所述基准质心的虚拟直线与所述第一有效癫痫致病区的第一边缘的所有交点中，距离所述目标第二边缘正投影点最近的一个交点，所述目标第二边缘正投影点为所述目标第二边缘点在所述基准扫描层上的正投影所得到的点；

34、根据所述同位置第一边缘点所对应第一修正距离d1’和第一修正角度θ1’确定出所述目标第二边缘点的第二修正距离d2和第二修正角度θ2：

35、d2＝d1’*l2/l1；

36、θ2＝θ1’。

37、在一些实施例中，获取各所述断层扫描影像中的疑似癫痫致病区的步骤包括：

38、对各所述断层扫描影像进行脑部病灶分割得到多个脑部病灶区；

39、将全部脑部病灶区划分为至少一个脑部病灶三维区，所述脑部病灶三维区包括层叠设置的至少两个脑部病灶区，位于同一脑部病灶三维区中的不同脑部病灶区分别位于不同扫描层所对应的断层扫描影像中，且位于同一脑部病灶三维区中任意相邻的两个脑部病灶区位于相邻的两个扫描层所对应断层扫描影像中，且所述任意相邻的两个脑部病灶区在层叠方向上存在交叠；

40、针对每一个所述脑部病灶三维区，获取目标脑部病灶三维区的第一区特征向量；

41、将所述目标脑部病灶三维区的第一区特征向量输入至预设的疑似癫痫致病三维区检测模型中，得到所述目标脑部病灶三维区是否为疑似癫痫致病三维区的检测结果，所述疑似癫痫致病三维区检测模型配置为能够根据所输入的第一区特征向量检测对应的目标脑部病灶三维区是否为疑似癫痫致病三维区；

42、将所对应检测结果为疑似癫痫致病三维区的目标脑部病灶三维区所包括的全部脑部病灶区均作为所述疑似癫痫致病区。

43、在一些实施例中，获取目标脑部病灶三维区的第一区特征向量的步骤包括：

44、获取所述目标脑部病灶三维区的质心与所述脑部整体的质心的距离d0；

45、所述第一区特征向量包括所述距离d0；

46、和/或，

47、针对所述目标脑部病灶三维区所包括的每一个脑部病灶区，计算目标脑部病灶区的边缘上的角点个数与边缘总长度的比值，得到目标脑部病灶区所对应的边缘角点长度比值；

48、从所述目标脑部病灶三维区所包括的各所述脑部病灶区所对应的所述边缘角点长度比值中筛选出最大值max1；

49、所述第一区特征向量包括所述最大值max1；

50、和/或，

51、针对所述目标脑部病灶三维区所包括的每一个脑部病灶区，计算目标脑部病灶区的面积与所述目标脑部病灶区的最小外接矩形的面积的比值，得到目标脑部病灶区所对应的病灶外接矩形面积比值；

52、计算从所述目标脑部病灶三维区所包括的全部所述脑部病灶区所对应的所述病灶外接矩形面积比值的平均值avg1；

53、所述第一区特征向量包括所述平均值avg1；

54、和/或，

55、针对所述目标脑部病灶三维区所包括的每一个脑部病灶区，确定目标脑部病灶区所对应的浸润半径r，所述浸润半径r是指以目标脑部病灶区的质心为圆心作圆形区域且满足所述圆形区域内的非目标脑部病灶区的二阶颜色炬与所述圆形区域内的目标脑部病灶区的二阶颜色炬的比值等于预设比值常数时所述圆形区域的半径；

56、所述第一区特征向量包括所述浸润半径r。

57、在一些实施例中，在针对每一个癫痫致病三维区，从所述疑似癫痫致病区集中筛选出与目标癫痫致病三维区相对应的疑似癫痫致病区作为有效癫痫致病区，并根据所述目标癫痫致病三维区来对对应的各所述有效癫痫致病区分别进行修正得到最终癫痫致病区的步骤之后，还包括：

58、将全部最终癫痫致病区划分为至少一个最终癫痫致病三维区，所述最终癫痫致病三维区包括层叠设置的至少两个最终癫痫致病区，位于同一最终癫痫致病三维区中的不同最终癫痫致病区分别位于不同扫描层所对应的断层扫描影像中，且位于同一最终癫痫致病三维区中任意相邻的两个最终癫痫致病区位于相邻的两个扫描层所对应断层扫描影像中，且所述任意相邻的两个最终癫痫致病区在层叠方向上存在交叠；

59、针对每一个所述脑部病灶三维区，获取目标最终癫痫致病三维区的第二区特征向量；

60、将所述目标最终癫痫致病三维区的第二区特征向量输入至预设的癫痫风险等级评估模型中，得到所述目标最终癫痫致病三维区所对应的风险等级；

61、其中，获取目标最终癫痫致病三维区的第二区特征向量的步骤包括：

62、计算在所述三维重建模型中所述目标最终癫痫致病三维区的体积与所述脑部整体的体积的比值b；

63、所述目标最终癫痫致病三维区的第二区特征向量包括所述比值b；

64、和/或，

65、获取所述目标最终癫痫致病三维区的质心与所述脑部整体的质心的距离d0’；

66、所述第二区特征向量包括所述距离d0’；

67、和/或，

68、针对所述目标最终癫痫致病三维区所包括的每一个最终癫痫致病区，计算目标最终癫痫致病区的边缘上的角点个数与边缘总长度的比值，得到目标最终癫痫致病区所对应的边缘角点长度比值；

69、从所述目标最终癫痫致病三维区所包括的各所述最终癫痫致病区所对应的所述边缘角点长度比值中筛选出最大值max1’；

70、所述第二区特征向量包括所述最大值max1’；

71、和/或，

72、获取所述目标最终癫痫致病三维区所产生癫痫波信号的信号特征，所述信号特征包括：癫痫波类型z、癫痫波的最大振幅f、癫痫波峰值持续时长t中至少之一；

73、所述第二区特征向量包括所述信号特征。

74、在一些实施例中，在获取脑部的断层扫描影像集的步骤之前，还包括：

75、获取目标对象出现异常时的异常症状信息；

76、对所述异常症状信息提取特征向量，得到所述目标对象所对应的异常症状特征向量；

77、将目标对象的所述异常症状特征向量输入至预设的局灶性癫痫检测模型中，得到所述目标对象是否存在局灶性癫痫的检测结果，所述局灶性癫痫检测模型配置为能够根据所输入的异常症状特征向量检测对应的目标对象是否存在局灶性癫痫；

78、若判断出所述目标对象存在局灶性癫痫，则执行所述获取目标对象的脑部的断层扫描影像集的步骤；

79、若判断出所述目标对象不存在局灶性癫痫，则流程结束；

80、所述异常症状信息包括：目标对象在出现异常的多个不同时期时所发出声音转换得到的声纹图像；

81、对所述异常症状信息提取特征向量的步骤包括：

82、针对每一个声纹图像，将目标声纹图像输入至预设的声纹单维度癫痫检测模型中，得到目标声纹图像所对应的目标用户患有局灶性癫痫的第一置信度；

83、从全部所述声纹图像所对应的所述第一置信度中筛选出最大值label1；

84、所述异常症状特征向量包括所述最大值label1；

85、和/或，

86、所述异常症状信息包括：目标对象在出现异常的多个不同时期时所作出动作的动作信息；

87、对所述异常症状信息提取特征向量的步骤包括：

88、针对每一个动作信息，将目标动作信息输入至预设的动作单维度癫痫检测模型中，得到目标动作信息所对应的目标用户患有局灶性癫痫的第二置信度；

89、从全部所述动作信息所对应的所述第二置信度中筛选出最大值label2；

90、所述异常症状特征向量包括所述最大值label2；

91、和/或，

92、所述异常症状信息包括：目标对象在出现异常的多个不同时期时的面部表情信息；

93、对所述异常症状信息提取特征向量的步骤包括：

94、针对每一个面部表情信息，将目标面部表情信息输入至预设的面部表情单维度癫痫检测模型中，得到目标面部表情信息所对应的目标用户患有局灶性癫痫的第三置信度；

95、从全部所述面部表情信息所对应的所述第二置信度中筛选出最大值label3；

96、所述异常症状特征向量包括所述最大值label3；

97、和/或，

98、所述异常症状信息包括：目标对象在出现异常的多个不同时期所对应的发病持续时长；

99、对所述异常症状信息提取特征向量的步骤包括：

100、计算n个不同时期时所对应的发病持续时长的平均值label4；

101、所述异常症状特征向量包括所述平均值label4；

102、和/或，

103、所述异常症状信息包括：目标对象在出现异常的多个不同时期时所对应的发病间隔时长，其中在出现异常的第i个时期所对应的发病间隔时长等于第i个时期的起始时刻减去第i-1个时期的起始时刻，其中2≤i≤n且i为整数，n为不同时期总数，第1个时期的发病间隔时长为0；

104、对所述异常症状信息提取特征向量的步骤包括：

105、计算n个不同时期时所对应的发病间隔时长的平均值，并将计算出的发病间隔时长的平均值除以预设的参考间隔时长，得到发病间隔系数label5；

106、所述异常症状特征向量包括所述发病间隔系数label5。

107、第二方面，本公开实施例提供了一种局灶性癫痫致病区检测系统，其中，包括：

108、建模模块，配置为获取目标对象的脑部的断层扫描影像集，根据所述断层扫描影像集进行脑部三维重建得到所述脑部的三维重建模型，所述断层扫描影像集包括所述脑部在多个不同扫描层分别所对应的断层扫描影像；

109、获取模块，配置为获取各所述断层扫描影像中的疑似癫痫致病区，得到疑似癫痫致病区集，所述疑似癫痫致病区集包括至少一个疑似癫痫致病区；

110、溯源模块，配置为对所述脑部的脑电信号中的癫痫波信号进行溯源并将溯源结果映射到所述三维重建模型中，以确定出大脑皮层下诱发癫痫的至少一个癫痫致病三维区；

111、修正模块，配置为针对每一个癫痫致病三维区，从所述疑似癫痫致病区集中筛选出与目标癫痫致病三维区相对应的疑似癫痫致病区作为有效癫痫致病区，并根据所述目标癫痫致病三维区来对对应的各所述有效癫痫致病区分别进行修正得到最终癫痫致病区，所述有效癫痫致病区与对应的所述目标癫痫致病三维区存在交叠。