技术摘要：
本发明公开了一种基于白质连接图和并联卷积神经网络的癫痫辅助检测系统，所述系统包括：每名受试者采集扩散敏感参数b值为0s/mm2、1000s/mm2、2000s/mm2的扩散磁共振数据，并进行预处理；针对不同的b值分别结合神经突方向分散度和密度成像方式、高角度分辨扩散成像方式  全部
背景技术：
全世界大约1％的人受到了癫痫疾病的影响。癫痫是一种神经系统疾病，会损害患 者的大脑，并显著增加患者损伤的风险。癫痫不仅给患者带来了巨大的痛苦，而且给社会带 来沉重的负担。而自动辅助检测癫痫疾病的系统不仅可以减少医生的工作量，还能有效提 升医生诊断的速度和准确率，帮助癫痫患者早日诊断。 专利号CN110840432A公开了一种基于一维CNN-LSTM的多通道脑电图癫痫自动检 测装置，但由于脑电图的空间分辨率低，只能检测到癫痫患者的头皮信号，而往往癫痫患者 是先在白质结构发生病变，再导致脑电信号的改变，所以基于脑电信号的检测不能满足癫 痫患者的早期检测需求。 有研究人员通过机器学习算法中的支持向量机(SVM)和扩散磁共振数据检测癫 痫[1]，但由于支持向量机算法需要人为的设计特征，而人工设计特征依赖大量的先验知识， 难度较大，并且难以避免地会带来人为的偏差，导致算法的泛化能力不强。 参考文献 [1]Cantor-Rivera  D ,Khan  A  R ,et  al .,“Detection  of  temporal  lobe  epilepsy  using  support  vector  machines  in  multi-parametric  quantitative  MR  imaging,”Computerized  Medical  Imaging  and  Graphics,vol.41,pp.14-28,2015.
技术实现要素：
本发明提供了一种基于白质连接图及并联卷积神经网络的癫痫辅助检测系统，本 发明通过该系统较为准确的自动分析出待检测人员患有癫痫的概率，提高了检测的效率， 详见下文描述： 一种基于白质连接图和并联卷积神经网络的癫痫辅助检测系统，所述系统包括： 每名受试者采集扩散敏感参数b值为0s/mm2、1000s/mm2、2000s/mm2的扩散磁共振 数据，并进行预处理； 针对不同的b值分别结合神经突方向分散度和密度成像方式、高角度分辨扩散成 像方式，提取出受试者的大脑白质纤维特征信息和大脑白质纤维连接信息，将这两种白质 信息配准到大脑皮质区域-自动解剖模板中，输出白质连接图至并联卷积神经网络中； 并联卷积神经网络输出检测结果。 其中，b值为1000s/mm2和2000s/mm2的数据采集64个梯度方向，b值为0s/mm2的数据 通过前向到后向、后向到前向的采集方式。 进一步地，针对不同的b值分别结合神经突方向分散度和密度成像方式、高角度分 辨扩散成像方式，提取出受试者的大脑白质纤维特征信息和大脑白质纤维连接信息具体 3 CN 111543994 A 说　明　书 2/4 页 为： 针对b值为0s/mm2、1000s/mm2、2000s/mm2的预处理后数据，通过神经突方向分散度 和密度成像方式得到神经突内容积比值，该值能表现神经突密度的精细特征，作为大脑白 质纤维特征信息； 针对b值为2000s/mm2的预处理后数据，通过高角度分辨扩散成像方式重建方位分 布函数图像，进行全脑追踪得到大脑白质纤维连接信息。 其中，所述并联卷积神经网络一共有47层卷积层，并联的卷积层结构算作1层卷积 层， 其整体结构是先串联5个卷积层和2个最大值池化层，重复3次第一并联卷积模块； 连接第二并联卷积模块，重复4次第三并联卷积模块； 连接第四并联卷积模块，重复2次第五并联卷积模块，最后连接一个全连接层和 Softmax层。 本发明提供的技术方案的有益效果是： (1)本发明所公开的癫痫智能辅助检测系统识别准确率能达到88.3％，具有较高 的准确率； (2)本发明提出了一种通过扩散磁共振数据构建白质连接图的方法，能有效的显 示出健康人和癫痫患者的大脑结构差异，找到了自动检测的一种生物标志物； (3)本发明提出了一种有47层卷积层的并联卷积神经网络，比传统卷积神经网络 有更多维度和更宽的感受野，能更好地拟合白质连接图数据，从而具有更强的检测分类能 力。 附图说明 图1为一种基于白质连接图和并联卷积神经网络的癫痫辅助检测系统的原理图； 图2为构建白质连接图的原理图； 图3为并联卷积神经网络的结构图； 图4为健康人和癫痫患者的白质连接图； 图5为测试结果图。