(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210610322.2 (22)申请日 2022.05.31 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 姬冰　张玉岩　苏雯菁　司萌　 曾玮　程雷　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 赵妍 (51)Int.Cl. G16H 50/20(2018.01) G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01)G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种脊髓型颈椎病和帕金森病的鉴别诊断 系统 (57)摘要 本发明涉及医学图像处理技术领域， 公开了 一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 包括： 数据获取模块， 用于获取待诊断对象的多 模态数据； 数据预处理模块， 用于对每种模态的 数据分别进行预处理操作； 鉴别诊断模块， 用于 将预处理的数据输入脊髓型颈椎病和帕金森病 鉴别诊断模型； 其中， 脊髓型颈椎病和 帕金森病 鉴别诊断模型包括依次连接的特征提取模块和 分类器， 特征提取模块由多层深度卷积神经网络 组成， 每一层的深度卷积神经网络输入一种模态 数据， 进行特征提取， 所有层的深度卷积神经网 络输出的特征向量进行特征融合后， 共同输入分 类器输出预测结果。 通过聚合多源数据的信息， 能够准确鉴别脊髓型颈椎病和帕金森病。 权利要求书2页 说明书6页 附图1页 CN 114927220 A 2022.08.19 CN 114927220 A 1.一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特 征是， 包括： 数据获取模块， 用于获取待 诊断对象的多模态数据； 数据预处 理模块， 用于对每种模态的数据分别进行 预处理操作； 鉴别诊断模块， 用于将预处理的数据输入脊髓型颈椎病和帕金森病鉴别诊断模型， 鉴 别出待诊断对象是否患有脊髓型颈椎病或者帕金森病； 其中， 脊髓型颈椎病和帕金森病鉴别诊断模型包括依次连接的特征提取模块和分类 器， 特征提取模块由多层深度卷积神经网络组成， 每一层的深度卷积神经网络输入一种模 态数据， 进 行特征提取， 所有层的深度卷积神经网络输出的特征向量进 行特征融合后， 共同 输入分类 器输出预测结果。 2.如权利要求1所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 所述 多模态数据包括颈 部核磁共 振图像数据和人体步态时间序列数据。 3.如权利要求2所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 所述 数据获取模块与传感器模块连接； 传感器模块分为 光学传感器模块和惯性传感器模块， 用于获取运动状态数据； 所述数据获取模块， 用于接收运动状态数据后， 计算每个时刻的下肢运动数据， 将待诊 断对象在若干个连续时刻的下肢运动数据组成所述人体步态时间序列数据。 4.如权利要求3所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 所述 下肢运动数据包括左右两侧踝关节、 膝关节以及髋关节在矢状面、 冠状面以及水平面的关 节角度、 关节角速度和关节角加速度。 5.如权利要求2所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 所述 数据获取模块与医生终端连接； 所述医生终端内存储有从医院信息系统中获取的待诊断对象的初始颈部核磁共振图 像； 所述医生终端， 响应于用户选取的感兴趣区域， 在初始颈部核磁共振图像截取出感兴 趣区域， 作为待 诊断对象的所述颈 部核磁共 振图像数据。 6.如权利要求1所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 所述 预处理操作为对每种模态的数据进行归一 化操作后， 输入变分自编码器。 7.如权利要求1所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 每一 层的深度卷积神经网络均包括卷积层、 池化层、 批标准 化层和激活函数。 8.如权利要求1所述的一种脊髓型颈椎病和帕金森病的鉴别诊断系统， 其特征是， 还包 括模型训练模块， 其被 配置为： 将经过数据预处理模块的已知鉴别结果的对象的多模态数据， 划分为训练集和验证测 试集； 随机初始化脊髓型颈椎病和帕金森病鉴别诊断模型的参数， 基于训练集， 通过前向传 播获取预测鉴别结果， 并与真实鉴别结果进行误差计算后， 通过梯度下降反向传播更新参 数， 多次迭代不断调整参数； 基于验证测试集， 计算脊髓型颈椎病和帕金森病鉴别诊断模型预测的准确率， 使用反 向传播的梯度下降算法， 对参数进行不断更新优化， 直到准确率达 到预设范围且不再增 加。 9.一种电子设备， 其特 征是， 包括：权　利　要　求　书 1/2 页 2 CN 114927220 A 2存储器， 用于非暂时性存 储计算机可读指令； 以及 处理器， 用于运行 所述计算机可读指令， 其中， 所述计算机可读指令被所述处 理器运行时， 执 行以下步骤： 获取待诊断对象的多模态数据； 对每种模态的数据分别进行 预处理操作； 将预处理 的数据输入脊髓型颈椎病和帕金森病鉴别诊断模型， 鉴别出待诊断对象是否 患有脊髓型颈椎病或者帕金森病； 其中， 脊髓型颈椎病和帕金森病鉴别诊断模型包括依次连接的特征提取模块和分类 器， 特征提取模块由多层深度卷积神经网络组成， 每一层的深度卷积神经网络输入一种模 态数据， 进 行特征提取， 所有层的深度卷积神经网络输出的特征向量进 行特征融合后， 共同 输入分类 器输出预测结果。 10.一种存储介质， 其特征是， 非暂时性地存储计算机可读指令， 其中， 当所述非暂时性 计算机可读指令由计算机执 行时， 执行以下步骤： 获取待诊断对象的多模态数据； 对每种模态的数据分别进行 预处理操作； 将预处理 的数据输入脊髓型颈椎病和帕金森病鉴别诊断模型， 鉴别出待诊断对象是否 患有脊髓型颈椎病或者帕金森病； 其中， 脊髓型颈椎病和帕金森病鉴别诊断模型包括依次连接的特征提取模块和分类 器， 特征提取模块由多层深度卷积神经网络组成， 每一层的深度卷积神经网络输入一种模 态数据， 进 行特征提取， 所有层的深度卷积神经网络输出的特征向量进 行特征融合后， 共同 输入分类 器输出预测结果。权　利　要　求　书 2/2 页 3 CN 114927220 A 3