一种基于多模态脑数据融合的意识障碍评估方法及装置

本技术属于临床评估，特别的涉及一种基于多模态脑数据融合的意识障碍评估方法及装置。

背景技术：

1、慢性意识障碍（doc）是指发病后连续昏迷超过28天的一种病理状态，根据慢性意识障碍患者的意识水平，慢性意识障碍可分为植物状态（vs）和微意识状态（mcs）。随着心脑血管疾病发生率的增高及重症医学的发展，各种病因导致的慢性意识障碍患者不断增加，维持慢性意识障碍患者的生命支持治疗及日常护理不仅加重了家庭的生活负担，也给社会带来了巨大的经济压力，因此，准确评估慢性意识障碍患者脑功能状态、预测神经功能预后对神经重症监护病房（nicu）救治工作具有重要的临床意义。

2、目前用于评估慢性意识障碍患者预后（也即疾病的发展或结果）的方式多以临床经验、神经影像学或是脑电图数据为主，但是基于临床经验进行评估时易受主观因素影响，且对于气管插管、失语、听力障碍患者具有一定的局限性，导致评分出现偏差；基于神经影像学进行评估时易因价格昂贵、缺乏可持续性、不能床旁检查等受到限制；基于脑电图数据进行评估时由于临床症状类型较多，无法有效保障预测结果的准确性。换言之，目前常规的评估方式均存在一定缺陷，进而影响到对慢性意识障碍患者的评估效果。

技术实现思路

1、本技术为解决上述提到的基于临床经验进行评估时易受主观因素影响，且对于气管插管、失语、听力障碍患者具有一定的局限性，导致评分出现偏差；基于神经影像学进行评估时易因价格昂贵、缺乏可持续性、不能床旁检查等受到限制；基于脑电图数据进行评估时由于临床症状类型较多，无法有效保障预测结果的准确性；换言之，目前常规的评估方式均存在一定缺陷，进而影响到对慢性意识障碍患者的评估效果等技术问题，提出一种基于多模态脑数据融合的意识障碍评估方法及装置，其技术方案如下：

2、第一方面，本技术实施例提供了一种基于多模态脑数据融合的意识障碍评估方法，包括：

3、采集目标患者的弥散张量图像数据，并根据弥散张量图像数据以及预设的第一分类模型，得到第一评估结果；

4、基于第一评估结果以及目标患者的临床数据，得到第二评估结果；

5、采集目标患者的脑电图数据，并从脑电图数据中确定出至少两种类型的特征参数；

6、根据所有特征参数、与第二评估结果对应的症状参数以及预设的第二分类模型，得到目标评估结果。

7、在第一方面的一种可选方案中，根据弥散张量图像数据以及预设的第一分类模型，得到第一评估结果，包括：

8、对弥散张量图像数据进行去噪声处理，并从去噪声处理后的弥散张量图像数据中确定出每个像素的初始弥散张量；

9、基于预设的弥散模型对每个像素的初始弥散张量进行匹配处理，并基于最小二乘法对匹配处理后的每个像素的初始弥散张量进行拟合处理，得到每个像素的目标弥散张量；

10、根据所有像素的目标弥散张量计算出弥散张量参数，并将弥散张量参数输入至预设的第一分类模型，得到第一评估结果。

11、在第一方面的又一种可选方案中，根据所有像素的目标弥散张量计算出弥散张量参数，包括：

12、从每个像素的目标弥散张量中提取出特征值，并计算出所有特征值的总和；

13、根据所有特征值的总和以及所有像素的个数，计算出弥散张量参数。

14、在第一方面的又一种可选方案中，基于第一评估结果以及目标患者的临床数据，得到第二评估结果，包括：

15、基于预设的评分机制对目标患者的临床数据进行评分处理，并根据评分结果得到相应的第三评估结果；

16、当检测到第一评估结果与第三评估结果一致时，将第一评估结果作为第二评估结果；

17、当检测到第一评估结果与第三评估结果不一致时，生成第一预警信息。

18、在第一方面的又一种可选方案中，在基于预设的评分机制对目标患者的临床数据进行评分处理，并根据评分结果得到相应的第三评估结果之前，还包括：

19、获取目标患者的临床症状视频，并从临床症状视频中提取出至少两帧临床症状图像；

20、对所有临床症状图像进行识别处理，并当检测到识别结果为恶性症状时，生成第二预警信息；

21、基于预设的评分机制对目标患者的临床数据进行评分处理，并根据评分结果得到相应的第三评估结果，包括：

22、当检测到识别结果不为恶性症状时，基于预设的评分机制对目标患者的临床数据进行评分处理，并根据评分结果得到相应的第三评估结果。

23、在第一方面的又一种可选方案中，从脑电图数据中确定出至少两种类型的特征参数，包括：

24、对脑电图数据的每个波段中每个频段所对应的功率谱密度进行积分计算，得到每个波段的绝对功率；

25、对脑电图数据的每个波段所对应的所有振幅进行标准差计算，得到每个波段的平均振幅；

26、对脑电图数据的每个波段所对应的所有振幅进行方差计算，并对每个方差计算结果进行归一化处理，得到每个波段的规律参数；

27、将所有波段的绝对功率、平均振幅以及规律参数作为至少两种类型的特征参数。

28、在第一方面的又一种可选方案中，在根据所有特征参数、与第二评估结果对应的症状参数以及预设的第二分类模型，得到目标评估结果之后，还包括：

29、当目标评估结果表征为反应良好时，基于目标患者的脑部扫描图像以及第二评估结果建立脑部模型；

30、生成表征对目标患者进行神经调控处理的处理信号，并发送处理信号以及脑部模型至终端，以由终端在接收到处理信号之后，根据脑部模型对目标患者进行神经调控处理。

31、第二方面，本技术实施例提供了一种基于多模态脑数据融合的意识障碍评估装置，包括：

32、第一处理模块，用于采集目标患者的弥散张量图像数据，并根据弥散张量图像数据以及预设的第一分类模型，得到第一评估结果；

33、第二处理模块，用于基于第一评估结果以及目标患者的临床数据，得到第二评估结果；

34、第三处理模块，用于采集目标患者的脑电图数据，并从脑电图数据中确定出至少两种类型的特征参数；

35、第四处理模块，用于根据所有特征参数、与第二评估结果对应的症状参数以及预设的第二分类模型，得到目标评估结果。

36、第三方面，本技术实施例还提供了一种基于多模态脑数据融合的意识障碍评估装置，包括处理器以及存储器；

37、处理器与存储器连接；

38、存储器，用于存储可执行程序代码；

39、处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现本技术实施例第一方面或第一方面的任意一种实现方式提供的基于多模态脑数据融合的意识障碍评估方法。

40、第四方面，本技术实施例提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，可实现本技术实施例第一方面或第一方面的任意一种实现方式提供的基于多模态脑数据融合的意识障碍评估方法。

41、在本技术实施例中，可在对慢性意识障碍患者进行预后评估时，采集目标患者的弥散张量图像数据，并根据弥散张量图像数据以及预设的第一分类模型，得到第一评估结果；基于第一评估结果以及目标患者的临床数据，得到第二评估结果；采集目标患者的脑电图数据，并从脑电图数据中确定出至少两种类型的特征参数；根据所有特征参数、与第二评估结果对应的症状参数以及预设的第二分类模型，得到目标评估结果。通过结合患者的弥散张量图像数据以及临床数据分析出用于表征症状类型的评估结果，并利用该评估结果所对应的症状参数、脑电图数据中的特征参数以及分类模型，有效保障脑电图数据对应的预测结果准确性，进而提供给慢性意识障碍患者更具针对性的医疗需求。