大脑生理与认知功能及神经退行性疾病的检测系统及方法

摘要

本发明公开了一种大脑生理与认知功能及神经退行性疾病的检测系统及方法，属于神经退行性疾病的辅助诊断领域。系统包括：眼动追踪单元、数据采集单元、特征提取单元及检测单元；方法包括：启动系统，读取系统的配置参数；按照眼跳行为范式的顺序，依次采集被试者在六种眼跳行为范式下的眼动视频图像，并提取眼动位置数据；分析眼动位置数据，提取每个眼跳行为范式对应的眼跳特征参数；计算每个眼跳特征参数的评分，并根据每种神经退行性疾病下每个眼跳特征参数的权重计算出每个眼跳行为范式下的眼跳范式评分；最后再根据不同的疾病种类下每个眼跳范式评分的权重进行综合计算，得到总评分，并根据所述总评分所在的评分区间输出检测结果。

说明书

技术领域

本发明涉及大脑生理与认知功能水平的评估及神经退行性疾病的辅助诊断领域，尤其涉及一种大脑生理与认知功能及神经退行性疾病的检测系统及方法。

背景技术

随着社会老龄化的日益加重，大脑生理与认知功能退化、神经退行性疾病的发生已经成为影响人们身体健康、生活质量、经济负担的社会问题。神经退行性疾病无法逆转，早期发现对控制病情，延缓疾病的发展至关重要。

目前对神经退行性疾病的诊断有赖于以下方法：1)量表法或访谈法。这种方法虽操作方便，但是量表或者访谈往往不够客观，也不够全面；2)生物标记物检测。例如，β淀粉样蛋白和Tau蛋白是阿尔茨海默病患者脑内异常聚集的蛋白，临床上可通过观测脑脊液中β淀粉样蛋白和Tau蛋白的含量，帮助诊断阿尔茨海默病。由于检测标本为脑脊液需要腰穿才能取得，所以操作难度高并且损伤大，难以广泛推广和应用；3)神经影像学检测。

随着神经影像学的发展，MRI和PET等脑成像方法，近年来也被应用到神经退行性疾病的诊断。但是，该方法只能在有条件的医院进行，且成本昂贵难以普及和广泛应用。更为重要的是，虽然MRI是一种无创无害的检查方法，但在神经退行性疾病没有造成形态学(解剖结构)改变之前，MRI脑影像无法提供诊断线索。

另一方面，虽然利用PET进行的检查在理论上可以发现脑功能改变，但PET脑成像需要静脉注射放射性药物，属于侵入性检查的一种，很难说服病人配合检查。截至目前，市场上还没有一种安全、可靠、快速、低廉、普适的方法用于大脑生理与认知功能及神经退行性疾病的检测，以及辅助诊断和发现早期阿尔茨海默病、帕金森病、进行性核上性麻痹、小脑萎缩疾病等神经退行性疾病。显而易见，该类产品的市场需求巨大、社会效益显著。

发明内容

本发明的目的是提供一种大脑生理与认知功能及神经退行性疾病的检测系统及方法，能够通过多个眼跳行为范式的多种眼跳特征参数进行综合评估，达到评估被试者大脑生理与认知功能水平，并于早期快速判断出被试者是否患有神经退行性疾病。

本发明解决其技术问题，采用的技术方案是：

本发明首先提出一种大脑生理与认知功能及神经退行性疾病的检测系统，包括眼动追踪单元、数据采集单元、特征提取单元及检测单元；

所述眼动追踪单元，用于为系统提供物理运行环境；

所述数据采集单元，用于按照眼跳行为范式的顺序，依次采集被试者在每种眼跳行为范式下的眼动视频图像，并提取出眼动视频图像中的眼动位置数据，然后将眼动位置数据传输至特征提取单元；

所述特征提取单元，用于分析眼动位置数据，提取出每个眼跳行为范式对应的眼跳特征参数，并传输至检测单元；

所述检测单元，用于基于检测不同的疾病种类，设置不同的评分算法模型，计算得到每个眼跳特征参数的评分，并根据不同的疾病种类下每个眼跳特征参数的权重计算出每个眼跳行为范式下的眼跳范式评分，然后再根据不同的疾病种类下每个眼跳范式评分的权重进行计算得出总评分，最后根据总评分所处的评分区间输出基于相应疾病种类下的检测结果。

进一步的是，所述眼动追踪单元为眼动追踪仪，所述眼动追踪仪包括红外相机、近红外光源、电脑主机和显示器。

进一步的是，所述眼跳行为范式按照采集的顺序依次包括：视力、视野、正向眼跳、反向眼跳、记忆眼跳和双步眼跳。

进一步的是，所述检测结果以检测报告和结论的方式输出。

另外，本发明还提出一种大脑生理与认知功能及神经退行性疾病的检测方法，可以应用于所述的大脑生理与认知功能及神经退行性疾病的检测系统，包括如下步骤：

步骤1、启动系统，并读取系统的配置参数；

步骤2、按照眼跳行为范式的顺序，依次采集被试者在视力、视野、正向眼跳、反向眼跳、记忆眼跳和双步眼跳的眼跳行为范式下的眼动视频图像，并提取出眼动视频图像中的眼动位置数据；

步骤3、分析眼动位置数据，提取出每个眼跳行为范式对应的眼跳特征参数；

步骤4、计算每个眼跳特征参数的评分，并根据每种神经退行性疾病下每个眼跳特征参数的权重计算出每个眼跳行为范式下的眼跳范式评分；

步骤5、在所有眼跳范式评分计算完成后，综合所有眼跳行为范式评分的权重进行计算评分，得到总评分，并根据所述总评分所在的评分区间输出检测结果。

进一步的是，步骤4中，在计算每个眼跳特征参数的评分时，不同的眼跳参数使用不同的评分公式进行计算。

进一步的是，步骤4中，不同的神经退行性疾病下，每个眼跳特征参数的权重不同。

进一步的是，步骤4-5中，当所有眼跳特征参数的评分和所有眼跳行为范式下的眼跳范式评分计算完成后，将其保存至数据库。

进一步的是，步骤5中，所述综合所有眼跳行为范式评分的权重进行计算评分，得到总评分，并根据所述总评分所在的评分区间输出检测结果，其具体包括如下步骤：

步骤501、从数据库中读取每个眼跳行为范式的基于每种神经退行性疾病下的眼跳范式评分；步骤502、根据每种神经退行性疾病下相应眼跳范式评分的权重，综合六个眼跳行为范式的眼跳范式评分进行计算，得到相应神经退行性疾病下的总评分；

步骤503、检查每个神经退行性疾病下的总评分所属区间，如果总评分处于正常评分区间，则被试者在相应神经退行性疾病下的检测结果为正常；如果总评分处于轻度的评分区间，则被试者在相应神经退行性疾病下的检测结果为当前神经退行性疾病的轻度；如果总评分处于中度的评分区间，则被试者在相应神经退行性疾病下的检测结果为当前神经退行性疾病的中度；如果总评分处于重度的评分区间，则被试者在相应神经退行性疾病下的检测结果为当前神经退行性疾病的重度；

步骤504、根据总评分所在的评分区间输出对应的检测结果，并生成检测报告。

本发明的有益效果是，通过上述大脑生理与认知功能及神经退行性疾病的检测系统及方法，能够采集基于多种特定眼跳行为范式的眼跳数据，分析和提取眼跳特征参数，然后对眼跳特征参数进行诊断评估，给出大脑生理与认知功能、以及阿尔茨海默病、帕金森病等神经退行性疾病的诊断评估结论，本发明能够适用于大脑生理与认知功能的评估及绝大多数神经退行性疾病的诊断，针对的适应症范围广，无创伤，安全高效。

附图说明

图1为本发明实施例1中大脑生理与认知功能及神经退行性疾病的检测系统的结构框图。

具体实施方式

下面结合附图及实施例，详细描述本发明的技术方案。

实施例1

本实施例提出的一种大脑生理与认知功能及神经退行性疾病的检测系统，其结构框图见图1，其中，该系统包括眼动追踪单元、数据采集单元、特征提取单元及检测单元；其中：眼动追踪单元，用于为系统提供物理运行环境；数据采集单元，用于按照眼跳行为范式的顺序，依次采集被试者在每种眼跳行为范式下的眼动视频图像，并提取出眼动视频图像中的眼动位置数据，然后将眼动位置数据传输至特征提取单元；特征提取单元，用于分析眼动位置数据，提取出每个眼跳行为范式对应的眼跳特征参数，并传输至检测单元；检测单元，用于计算每个眼跳特征参数的评分，并根据每种神经退行性疾病下每个眼跳特征参数的权重计算出每个眼跳行为范式下的综合评分，并在所有眼跳行为范式下的综合评分计算完成后，综合所有眼跳行为范式评分的权重进行计算评分，得到总评分，并根据所述总评分所在的评分区间输出检测结果，最终，当计算完总评分后，检测结果可以以检测报告和结论的方式输出。

上述系统中，为了能够实现眼动追踪功能，并为系统提供必要的物理运行环境，这里的眼动追踪单元可以为眼动追踪仪，并且，眼动追踪仪可以包括红外相机、近红外光源、电脑主机和显示器等。

本实施例中，眼跳行为范式按照采集的顺序依次包括：视力、视野、正向眼跳、反向眼跳、记忆眼跳和双步眼跳。

实际应用过程中，这里的检测单元可以称为神经科学专家诊断子系统，该子系统中，每种神经退行性疾病分别对应一种计算模型。

首先，神经科学专家诊断子系统可以读取采集和提取到的视力检测、视野检测、正向眼跳、反向眼跳、记忆眼跳、双步眼跳等六个眼跳行为范式下总共达200个以上的眼跳特征参数，然后通过特定的计算公式，对这些眼跳特征参数和眼跳行为范式进行综合评分，最后通过评分结果所处的区间来评判被试者大脑的生理与认知功能，以及是否患有早期阿尔茨海默病、帕金森病、进行性核上性麻痹等神经退行性疾病。

这里，不同的疾病类别，由大脑不同的脑区退化导致，表现出来的眼跳参数特征也不同。故不同的眼跳范式和眼跳参数，检测的重点不同。因此，基于本模型，每个眼跳范式和眼跳参数在诊断不同疾病种类的情况下，所占的比重也不同，计算公式和评分方法也不同。同时，本模型还做到了综合6个眼跳范式包含的200多个眼跳参数进行综合评分，从多个维度诊断评估不同的疾病类别，从而可提升诊断的准确性和特异性。

实施例2

本实施例在实施例1的基础上，提出了一种大脑生理与认知功能及神经退行性疾病的检测方法，包括如下步骤：

步骤1、启动系统，并读取系统的配置参数；

步骤2、按照眼跳行为范式的顺序，依次采集被试者在视力、视野、正向眼跳、反向眼跳、记忆眼跳和双步眼跳的眼跳行为范式下的眼动视频图像，并提取出眼动视频图像中的眼动位置数据；

步骤3、分析眼动位置数据，提取出每个眼跳行为范式对应的眼跳特征参数；

步骤4、计算每个眼跳特征参数的评分，并根据每种神经退行性疾病模型下每个眼跳特征参数的占比计算出每个眼跳行为范式下的综合评分；

步骤5、综合所有眼跳行为范式评分的权重进行计算评分，得到总评分，并根据所述总评分所在的评分区间输出检测结果。

这里，输出的检测结果为针对大脑生理、大脑认知功能、小脑功能、阿尔茨海默病、帕金森病、进行性核上性麻痹等多种脑功能或者神经退行性疾病模型的检测结论和报告。

另外，被试者可以将检测报告拿给临床医生、或者神经科学专家进行参考，协助进行诊断。

上述方法的步骤3和4中，当提取出每个眼跳行为范式对应的眼跳特征参数后，会统一将其发给神经科学专家诊断模型，该模型会根据相应的算法计算出每个疾病模型下(如大脑生理、大脑认知功能、小脑功能、阿尔茨海默病、帕金森病、进行性核上性麻痹等)相应眼跳特征参数的评分，得到每个眼跳特征参数的评分结果。针对眼跳特征参数采用此种方法的原因是：同一疾病的不同程度，眼跳特征参数的特征不一样，越健康的人群，眼跳特征参数越优秀，疾病程度越重的人，眼跳特征参数特征越差。所以，为了评估眼跳参数执行能力，我们将每个眼跳特征参数通过特定的公式进行评分，评分的高低反映了被试者在某个眼跳特征参数上眼跳执行能力的强弱。不同的眼跳特征参数，评分公式也各不相同。

进一步，需要根据不同疾病模型下每个眼跳特征参数的占比计算出该疾病模型下单个眼跳行为范式的综合评分结果。采用此种方法的原因是：不同的眼跳特征参数针对同一疾病的敏感度不一样，所以，针对不同的疾病的诊断，每个眼跳特征参数的占比不一样。

需要指出的是，当所有眼跳特征参数的评分和所有眼跳行为范式下的眼跳范式评分计算完成后，可以将其保存至数据库，以便后续步骤可直接读取使用。

在所有眼跳行为范式下的眼跳范式评分计算完成后，步骤5中，综合所有眼跳范式评分的权重进行计算评分，得到总评分，并根据所述总评分所在的评分区间输出检测结果，其具体包括如下步骤：

步骤501、从数据库中读取每个眼跳行为范式的基于每种神经退行性疾病模型(如大脑生理、大脑认知功能、小脑功能、阿尔茨海默病、帕金森病、进行性核上性麻痹等)下的眼跳范式评分；

步骤502、根据每种神经退行性疾病模型下相应眼跳范式评分的权重，综合六个眼跳行为范式的眼跳范式评分进行计算，得到相应神经退行性疾病模型下的总评分；这里，由于不同的眼跳范式，检测的侧重点不一样，所以不同的疾病，每个眼跳范式得分的权重也不一样。

步骤503、检查每个神经退行性疾病模型下的总评分所属区间，如果总评分处于正常评分区间，则被试者在相应神经退行性疾病模型下的检测结果为正常；如果总评分处于轻度的评分区间，则被试者在相应神经退行性疾病模型下的检测结果为当前神经退行性疾病模型的轻度(如早期阿尔茨海默病)；如果总评分处于中度的评分区间，则被试者在相应神经退行性疾病模型下的检测结果为当前神经退行性疾病模型的中度；如果总评分处于重度的评分区间，则被试者在相应神经退行性疾病模型下的检测结果为当前神经退行性疾病模型的重度；

步骤504、根据总评分所在的评分区间输出对应的检测结果，并生成检测报告。