使用自动编码器神经网络处理脑数据制造技术

使用自动编码器神经网络处理脑数据的方法、系统和设备，包括编码在计算机存储介质上的计算机程序。所述方法之一包括：获取由一个或多个传感器捕获的表征患者的脑活动的脑数据；处理所述脑数据以生成修改的脑数据，所述修改的脑数据表征未来治疗对患者的脑的预测局部效果；使用自动编码器神经网络对所述修改的脑数据进行处理，以生成重构的脑数据；以及使用所述重构的脑数据确定所述未来治疗对患者的脑的预测整体效果。者的脑的预测整体效果。者的脑的预测整体效果。

【技术实现步骤摘要】
【国外来华专利技术】使用自动编码器神经网络处理脑数据
[0001]相关申请的交叉引用
[0002]本申请与2020年10月8日提交的美国专利申请No.17/066171相关，其全部内容通过引用并入本文。
[0003]本申请还与2020年10月8日提交的美国专利申请No.17/066178相关，其全部内容通过引用并入本文。


[0004]本说明书涉及处理与患者的脑相关的数据，例如功能磁共振成像(MRI)数据和/或纤维束成像数据。

技术介绍

[0005]脑功能连接数据表征患者的脑中的一对或多对位置中的每一对位置中的脑活动的相关程度。
[0006]可以通过例如使用磁共振成像(MRI)、扩散张量成像(DTI)或功能性MRI成像(fMRI)获取患者的脑的图像并对其进行处理来收集与患者的脑相关的数据。扩散张量成像使用磁共振图像来测量人脑中水的扩散。可以使用所测量的扩散来生成纤维束成像数据，该数据可以包括受试者脑的神经纤维束和相应的白质纤维的图像。
[0007]与单个患者的脑相关的数据可能是高度复杂的和高维的，因此临床医生难以对其进行手动检查和分析，以例如规划手术或诊断患者是否患有脑疾病或精神障碍。

技术实现思路

[0008]本说明书描述了作为在一个或多个位置处的一个或多个计算机上的计算机程序实现的用于使用自动编码器神经网络处理患者的脑数据的系统。
[0009]在本说明书中，自动编码器神经网络是包括至少两个子网络的神经网络：编码器子网络和解码器子网络。编码器子网络被配置为处理自动编码器的网络输入并生成该网络输入的嵌入(embedding)。解码器子网络被配置为处理该网络输入的嵌入并生成重构的网络输入。通常，训练自动编码器神经网络以生成尽可能类似于该网络输入的重构的网络输入。
[0010]在本说明书中描述的一些实施方式中，系统可以使用自动编码器神经网络处理“修改的”脑数据以生成重构的脑数据。修改的脑数据可以表征未来治疗对患者的脑的预测局部效果，重构的脑数据可以表征未来治疗对患者的脑的整体效果。因为治疗的局部效果(即，治疗对治疗目标位置局部的脑区域的效果)可能比治疗的整体效果更容易预测，所以系统可以利用自动编码器神经网络在提供治疗之前生成治疗的整体效果的准确预测。因此，系统可以允许用户(例如临床医生或其他医学专业人员)确定对患者将是或更可能是安全和有效的治疗。
[0011]在本说明书中描述的一些其他实施方式中，系统可以使用反向(inverted)自动编
码器神经网络来处理“期望”脑数据以生成“路线图”脑数据。期望脑数据可以表征未来治疗对患者的脑的期望整体效果，路线图脑数据可以表征未来治疗对患者的脑的局部效果。因为治疗的局部效果比治疗的整体效果更容易预测，所以系统可以利用反向自动编码器神经网络来生成路线图脑数据，从路线图脑数据可以确定未来治疗，如果提供给患者的话，将实现或更可能实现未来治疗的期望整体效果。也就是说，系统或系统用户(例如临床医生或其他医学专业人员)可以使用路线图脑数据来确定未来治疗的参数(例如患者的脑中作为治疗目标的位置)，使得未来治疗将是或更可能是安全和有效的。
[0012]在本说明书中描述的一些其他实施方式中，系统可以使用自动编码器神经网络来处理患者的脑数据以生成重构的脑数据，然后处理重构的脑数据以确定患者的原始脑数据是否异常，即是否超出正常值范围。例如，如果脑数据和重构的脑数据之间的差的测量值超过阈值，则系统可以确定脑数据是异常的。也就是说，系统可以将原始脑数据与重构的脑数据进行比较(其中重构的脑数据包含在训练自动编码器神经网络期间学到的来自其他患者的信息)，以识别原始脑数据中的异常。在一些这样的实施方式中，系统可以进一步识别异常的原始脑数据的子集，例如，与患者的脑的特定区域相对应的子集。因此，系统可以允许用户(例如临床医生或其他医学专业人员)快速识别脑数据中的异常，该异常可能指示患者患有脑部疾病，并且可选地，指示可能是脑疾病的治疗目标的脑区域。
[0013]在本说明书中，脑数据可以是表征患者的脑的任何数据。例如，脑数据可以包括下列之一或二者：i)患者的脑的直接测量数据，例如，使用脑成像技术收集的脑图像；或ii)从患者的脑的初始测量数据导出或生成的数据，例如，相关矩阵。
[0014]可以实施本说明书中描述的主题的特定实施例，以实现以下优点中的一个或多个。
[0015]如上所述，表征单个患者的脑的脑数据集通常可能非常大且复杂，因此用户从该脑数据集中提取有用信息可能非常困难和耗时。通过使用本说明书中描述的技术，系统可以处理患者的脑数据以生成临床相关的网络输出，用户可以使用该网络输出为患者提供安全且有效的护理。例如，与用户手动查看大量语料库的脑数据相比，系统可以允许用户显著更准确地且显著更有效地(例如，以更少的时间或使用更少的计算、存储或网络资源)确定患者的治疗。更具体地说，患者的脑的相关矩阵(例如fMRI数据的相关矩阵)可以是具有一百多个元素、一千多个元素或更典型地十万多个元素的矩阵。当考虑一组或一系列这样的相关矩阵时，用于产生和/或分析这样的矩阵的系统可以处理超过一百万个元素。通过使用本说明书中描述的技术，系统可以在10分钟内、5分钟内、3分钟内、1分钟内、30秒内或5秒内减少用户正在考虑的元素的数量以产生临床相关数据，例如，对具体行动的建议。
[0016]如上所述，即使是经验丰富的医学专业人员也很难预测治疗对患者的脑的长期、整体效果。通过使用本说明书中描述的技术，系统可以使用训练数据(其表示提供给大量患者，例如超过一百、超过一千、超过十万或超过一百万个患者的治疗的临床结果)来训练自动编码器神经网络，以准确地预测特定治疗对特定患者的脑的结果。类似地，系统可以使用训练数据来训练自动编码器神经网络，以准确地表征什么样的治疗将对患者的脑产生或可能产生期望结果。因此，本文描述的自动编码器神经网络可以学习脑的不同区域和其不同的治疗之间的复杂、非线性关系，从而允许用户以不能通过单独检查患者的脑数据实现的方式为患者寻求安全且有效的治疗。
[0017]通过使用本说明书中描述的技术，系统可以快速识别患者的脑中其脑数据超出正常范围的一个或多个区域，例如分区(parcellation)，因此可能是脑疾病的指示。然后，系统可以向用户显示表征所识别的区域的数据，从而用户不必搜索和分析与临床无关的大量数据。因此，可以大幅减少用户发现脑数据中对用户有用的部分所必须花费的时间量，从而特别是在有效护理需要时间敏感的调查时，对于患者、用户和/或临床医生来说，导致改进结果。
[0018]在附图和下面的说明书中阐述了本说明书的主题的一个或多个实施例的细节。根据该说明书、附图和权利要求书，主题的其他特征、方面和优点将变得显而易见。
附图说明
[0019]图1A和图1B是示出用于处理医学图像的示例性计算机系统的框图。
[0020]图2A是示例性自动编码器神经网络系统的图。
[0021]图2B是示例性反向自动编码器神经网络系统的图。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：获取由一个或多个传感器捕获的表征患者的脑活动的脑数据；处理所述脑数据，以生成修改的脑数据，所述修改的脑数据表征未来治疗对所述患者的脑的预测局部效果，其中所述未来治疗的局部效果是所述未来治疗对所述脑中的一个区域的效果，所述一个区域是所述脑中所述未来治疗的目标位置的局部；使用自动编码器神经网络处理所述修改的脑数据，以生成重构的脑数据，其中：所述处理包括：使用编码器子网络处理包括所述修改的脑数据的网络输入，以生成所述网络输入的嵌入，以及使用解码器子网络处理所述网络输入的嵌入，以生成所述重构的脑数据；并且在多个训练时间步骤中的每一步骤，通过以下方法训练了所述自动编码器神经网络：根据所述自动编码器神经网络的多个网络参数的当前值，处理包括第二患者的第二脑数据的训练网络输入，以生成重构的第二脑数据，以及根据i)所述第二脑数据和ii)所述重构的第二脑数据之间的误差，确定对所述多个网络参数的当前值的更新；和使用所述重构的脑数据确定所述未来治疗对所述患者的脑的预测整体效果，其中所述未来治疗的整体效果是所述未来治疗对所述脑的一个或多个区域的效果，所述一个或多个区域不是所述脑中所述未来治疗的目标的局部。2.根据权利要求1所述的方法，其中处理所述脑数据以生成表征治疗对所述患者的脑的预测局部效果的修改的脑数据包括：确定所述患者的脑中所述未来治疗的目标位置；识别与所述目标位置相对应的所述脑数据的一个或多个元素；和根据所述未来治疗的一个或多个参数，修改所述一个或多个元素的值。3.根据权利要求1所述的方法，其中确定所述未来治疗的预测整体效果包括处理所述重构的脑数据，以识别所述重构的脑数据中的一个或多个异常。4.根据权利要求3所述的方法，其中识别所述重构的脑数据中的一个或多个异常包括：获取正常脑数据，针对所述重构的脑数据中的一个或多个元素中的每一个，所述正常脑数据识别该元素的相应正常值范围；和比较i)所述重构的脑数据和ii)所述正常脑数据，以识别所述一个或多个异常。5.根据权利要求1所述的方法，还包括：针对一个或多个第二未来治疗中的每一个：处理所述脑数据以生成第二修改的脑数据，所述第二修改的脑数据表征所述第二未来治疗对所述患者的脑的预测局部效果；使用所述自动编码器神经网络处理所述第二修改的脑数据，以生成第二重构的脑数据；和使用所述第二重构的脑数据确定所述第二未来治疗对所述患者的脑的预测整体效果；和使用所述未来治疗和所述一个或多个第二未来治疗的各自的预测整体效果来选择特定的未来治疗。
6.根据权利要求1所述的方法，其中所述未来治疗是经颅磁刺激(TMS)治疗。7.根据权利要求1所述的方法，其中：所述脑数据包括相关数据，针对由所述患者的脑中的一组分区形成的多对分区中的每一对，其中每一对包括第一分区和第二分区，所述相关数据表征所述患者的脑中所述第一分区的脑活动与所述第二分区的脑活动之间的相关程度。8.一种系统，包括一个或多个计算机和一个或多个存储装置，所述一个或多个存储装置中存储的指令在由所述一个或多个计算机执行时可操作，以使所述一个或多个计算机执行包括以下的操作：获取由一个或多个传感器捕获的表征患者的脑活动的脑数据；处理所述脑数据以生成修改的脑数据，所述修改的脑数据表征未来治疗对所述患者的脑的预测局部效果，其中所述未来治疗的局部效果是所述未来治疗对所述脑的一个区域的效果，所述一个区域是所述脑中所述未来治疗的目标位置的局部；使用自动编码器神经网络处理所述修改的脑数据，以生成重构的脑数据，其中：所述处理包括：使用编码器子网络处理包括所述修改的脑数据的网络输入，以生成所述网络输入的嵌入，以及使用解码器子网络处理所述网络输入的嵌入，以生成所述重构的脑数据；并且在多个训练时间步骤中的每一步骤，通过以下方法训练了所述自动编码器神经网络：根据所述自动编码器神经网络的多个网络参数的当前值，处理包括第二患者的第二脑数据的训练网络输入，以生成重构的第二脑数据，以及根据i)所述第二脑数据和ii)所述重构的第二脑数据之间的误差，确定对所述多个网络参数的当前值的更新；和使用所述重构的脑数据确定所述未来治疗对所述患者的脑的预测整体效果，其中所述未来治疗的整体效果是所述未来治疗对所述脑的一个或多个区域的效果，所述一个或多个区域不是所述脑中所述未来治疗的目标的局部。9.根据权利要求8所述的系统，其中处理所述脑数据以生成表征治疗对所述患者的脑的预测局部效果的修改的脑数据包括：确定所述患者的脑中所述未来治疗的目标位置；识别与所述目标位置相对应的所述脑数据的一个或...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：全知神经科技有限公司，
类型：发明
国别省市：