一种基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统

技术领域

本发明属于糖尿病诊断技术领域，具体为一种基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统。

背景技术

2型糖尿病原名叫成人发病型糖尿病，多在35～40岁之后发病，占糖尿病患者90％以上；2型糖尿病患者体内产生胰岛素的能力并非完全丧失，有的患者体内胰岛素甚至产生过多，但胰岛素的作用效果较差，因此患者体内的胰岛素是一种相对缺乏，可以通过某些口服药物刺激体内胰岛素的分泌。但到后期仍有一些病人需要使用胰岛素治疗，2型糖尿病严重时会引起脑衰老。2型糖尿病属代谢性疾病，随着疾病的进展，患者会较同龄人更早出现认知障碍及脑衰老，并且与易感基因多态性相关，若得不到及时干预将发展为痴呆，加重个人与社会经济负担。研究利用基于图论的分析方法构建全脑网络，探索网络拓扑属性与认知功能关系，发现2型糖尿病脑衰老患者的全局及局部拓扑属性发生改变并与认知障碍相关，与少数脑区的功能连接增强。结合多个脑影像标志物一起能更好反映2型糖尿病合并认知障碍患者的脑结构及功能改变，为其认知障碍的发展提供理论依据。

但是常见的诊断系统多采用常规的扫描技术，对病理学演变过程的分析诊断不够准确清晰，同时诊断2型糖尿病引起的脑衰老的效果不够精准，会影响人们及时治疗。

发明内容

本发明的目的在于：为了解决上述提出的问题，提供一种基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统。

本发明采用的技术方案如下：一种基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统，包括扫描模块、数据传输模块端、DTI模块、总处理器模块、TBSS模块、诊断模块、数据输出模块、数据发送模块、供电模块、患者接收终端、AI诊断模块、人工诊断模块、人机交互模块、数据采集模块、数据追踪模块、数据成像模块、数据传输模块，所述扫描模块的输出端连接有所述数据传输模块端的输入端，所述数据传输模块端的输出端连接有所述DTI模块的输入端，所述DTI模块的输出端连接有所述总处理器模块的输入端，所述供电模块的电源输出端连接有所述总处理器模块的输入端，所述总处理器模块的输出端连接有所述TBSS模块的输入端，所述TBSS模块的输出端连接有所述诊断模块的输入端，所述诊断模块的输出端连接有所述数据输出模块的输入端，所述数据输出模块的输出端连接有所述数据发送模块的输入端，所述数据发送模块的输出端连接有所述患者接收终端的输入端，所述诊断模块的内部固定安装有AI诊断模块和人工诊断模块，所述人工诊断模块的外部设置有人机交互模块；

所述数据采集模块的输出端连接有所述数据追踪模块的输入端，所述数据追踪模块的输出端连接有所述数据成像模块的输入端，所述数据成像模块的输出端连接有所述数据传输模块的输入端。

在一优选的实施方式中，所述DTI模块的内部数据采集技术采用了单次激发回波平面成像技术；单次激发即获得所有K空间的原始数据；该方法成像时间明显短于一般的生理运动(如：呼吸、心跳等)，使运动伪影大为减少；但单次激发EPI的空问分辨率和信噪比均较低，磁敏感性引起的变形较明显；为此，提出了敏感编码单次激发EPI方法，在与常规EPI相同的扫描时间内，图像的空问分辨率明显提高，而几何变形显著减少。

在一优选的实施方式中，所述TBSS模块在使用时包括以下步骤：

S1:该脚本将所有处理过的FA图像移动到一个名为FA的新子目录，并且还将创建另一个名为origdata的子目录，并将所有原始图像放在那里供以后使用

S2:运行非线性配准，将所有FA图像对齐到1x1x1mm标准空间

S3:将前一阶段中发现的非线性变换应用于所有主题，以将它们带入标准空间

S4:在所选阈值处对平均FA骨架图像进行阈值处理；效果良好的常见值为0.2。

在一优选的实施方式中，所述步骤S2中运行非线性配准的方法是将所有被试的FA图像对齐把每个被试的图像与其他被试的图像进行一一对齐，然后选出整个数据中最有代表性的图像，其他的图像都与它对齐；这个方法需要数天的时间；最后每个被试的图像会配准到MNI152标准模板上；选择-n参数。

在一优选的实施方式中，所述AI诊断模块的内部设置有智能AI学习模块，且该芯片正在日常的运行中，会根据医护人员的诊断操作等进行自我学习，所述人机交互模块的外部设置有操作键盘、显示屏和手写触摸屏。

在一优选的实施方式中，所述患者接收终端的的终端可以包括患者的手机，移动电脑和平板电脑等，所述患者接收终端的内部设置有信号接收器，信号转化装置。

在一优选的实施方式中，所述数据成像模块的内部成像模块反映了WMF中水分子弥散的方向依赖特性，其FA图像可以显示大脑白质纤维的结构和各向异性特征，如显示内囊、胼胝体、外囊等结构；但DTI不能提供相邻体素之间白质纤维是如何连接的；随着计算机软件的不断开发和利用，人们利用DTI所获得的数据进行大脑白质纤维成像，此即为弥散张量纤维束成像，DTT是DTI技术的进一步发展，它可以辨认大脑内的特殊纤维通道及其相互之间的连接。

在一优选的实施方式中，所述基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统运行时包括以下步骤：

S1:供电模块为整个系统提供电能，该系统开始运行，当DTI模块启动后，扫描模块会对人体地脑部进行扫描，扫描得出的数据经过DTI模块传递到总处理器模块的内部；

S2:总处理器模块将扫描得出的数据传输到TBSS模块的内部，TBSS模块在经过分析整理数据，并对数据进行处理之后，将分析处理得到的结果传递到诊断模块的输入端；

S3:诊断模块内部的AI诊断模块开始对TBSS模块传来的结构进行分析诊断，并将数据记录下来；

S4:人工诊断模块会通过人机交互模块显示数据信息，从而医生可以对数据进行分析诊断，然后对病人的病情进行判断，之后可以通过人机交互模块对其进行后续的操作，并将数据输入到数据输出模块的内部

S5:数据输出模块将信息经由数据发送模块传递到患者接收终端的内部，患者或者患者家人可以在自己的接收终端上就可以了解到病情信息了。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明中，采用了TBSS模块和DTI模块模块进行诊断DTI在通过对衰老远端皮质脊髓束FA计算判断其变性程度，并预测患者的运动功能转归。DTI不仅可用于脑衰老后白质纤维束，例如白质纤维束变性的研究，还能用于颅内灰质微观结构改变的研究。长期DTI随访观察有助于加深人们对大脑衰老临床病理学演变过程的认识,同时也减轻了人们的劳动负担。

2、本发明中，AI诊断模块和人工诊断模块相结合的诊断方式，使得人们在进行诊断的过程中，可以更加细致全面的进行诊断，配合AI诊断模块，提高了诊断的准确率的，为病人带来了更多的便利；提供临床辅助诊断等医疗服务，应用于早期筛查、诊断、康复、手术风险等评估场景；是医疗机构的信息化，通过数据分析，帮助医疗机构提升运营效率；是进行医学影像识别，帮助医生更快更准地读取病人的影像所见。

附图说明

图1为本发明整体系统框图；

图2为本发明中诊断模块系统框图；

图3为本发明中DTI模块系统框图

图4为本发明中TBSS模块系统流程图。

图中标记：1-扫描模块、2-数据传输模块、3-DTI模块、4-总处理器模块、5-TBSS模块、6-诊断模块、7-数据输出模块、8-数据发送模块、9-供电模块、10-患者接收终端、11-AI诊断模块、12-人工诊断模块、13-人机交互模块、14-数据采集模块、15-数据追踪模块、16-数据成像模块、17-数据传输模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1-4，一种基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统，包括扫描模块1、数据传输模块端2、DTI模块3、总处理器模块4、TBSS模块5、诊断模块6、数据输出模块7、数据发送模块8、供电模块9、患者接收终端10、AI诊断模块11、人工诊断模块12、人机交互模块13、数据采集模块14、数据追踪模块15、数据成像模块16、数据传输模块17，扫描模块1的输出端连接有数据传输模块端2的输入端，数据传输模块端2的输出端连接有DTI模块3的输入端，DTI模块3的输出端连接有总处理器模块4的输入端，DTI模块3的内部数据采集技术采用了单次激发回波平面成像技术；单次激发即获得所有K空间的原始数据；该方法成像时间明显短于一般的生理运动(如：呼吸、心跳等)，使运动伪影大为减少；但单次激发EPI的空问分辨率和信噪比均较低，磁敏感性引起的变形较明显；为此，提出了敏感编码单次激发EPI方法，在与常规EPI相同的扫描时间内，图像的空问分辨率明显提高，而几何变形显著减少；供电模块9的电源输出端连接有总处理器模块4的输入端，总处理器模块4的输出端连接有TBSS模块5的输入端，TBSS模块5的输出端连接有诊断模块6的输入端，TBSS模块5在使用时包括以下步骤：

S1:该脚本将所有处理过的FA图像移动到一个名为FA的新子目录，并且还将创建另一个名为origdata的子目录，并将所有原始图像放在那里供以后使用

S2:运行非线性配准，将所有FA图像对齐到1x1x1mm标准空间，步骤S2中运行非线性配准的方法是将所有被试的FA图像对齐把每个被试的图像与其他被试的图像进行一一对齐，然后选出整个数据中最有代表性的图像，其他的图像都与它对齐；这个方法需要数天的时间12人数据量；最后每个被试的图像会配准到MNI152标准模板上；选择-n参数；

S3:将前一阶段中发现的非线性变换应用于所有主题，以将它们带入标准空间。

S4:在所选阈值处对平均FA骨架图像进行阈值处理；效果良好的常见值为0.2；，诊断模块6的输出端连接有数据输出模块7的输入端，数据输出模块7的输出端连接有数据发送模块8的输入端，数据发送模块8的输出端连接有患者接收终端10的输入端，诊断模块6的内部固定安装有AI诊断模块11和人工诊断模块12，AI诊断模块11的内部设置有智能AI学习模块，且该芯片正在日常的运行中，会根据医护人员的诊断操作等进行自我学习，人机交互模块13的外部设置有操作键盘、显示屏和手写触摸屏；人工诊断模块12的外部设置有人机交互模块13；

数据采集模块14的输出端连接有数据追踪模块15的输入端，数据追踪模块15的输出端连接有数据成像模块16的输入端，数据成像模块16的输出端连接有数据传输模块17的输入端，数据成像模块16的内部成像模块反映了WMF中水分子弥散的方向依赖特性，其FA图像可以显示大脑白质纤维的结构和各向异性特征，如显示内囊、胼胝体、外囊等结构；但DTI不能提供相邻体素之间白质纤维是如何连接的；随着计算机软件的不断开发和利用，人们利用DTI所获得的数据进行大脑白质纤维成像，此即为弥散张量纤维束成像，DTT是DTI技术的进一步发展，它可以辨认大脑内的特殊纤维通道及其相互之间的连接。

基于DTI及TBSS技术的2型糖尿病脑衰老诊断系统运行时包括以下步骤：

S1:供电模块9为整个系统提供电能，该系统开始运行，当DTI模块3启动后，扫描模块1会对人体地脑部进行扫描，扫描得出的数据经过DTI模块3传递到总处理器模块4的内部；

S2:总处理器模块4将扫描得出的数据传输到TBSS模块5的内部，TBSS模块5在经过分析整理数据，并对数据进行处理之后，将分析处理得到的结果传递到诊断模块6的输入端；

S3:诊断模块6内部的AI诊断模块11开始对TBSS模块5传来的结构进行分析诊断，并将数据记录下来；

S4:人工诊断模块12会通过人机交互模块13显示数据信息，从而医生可以对数据进行分析诊断，然后对病人的病情进行判断，之后可以通过人机交互模块13对其进行后续的操作，并将数据输入到数据输出模块7的内部

S5:数据输出模块7将信息经由数据发送模块8传递到患者接收终端10的内部，患者或者患者家人可以在自己的接收终端上就可以了解到病情信息了。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。