(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210929319.7 (22)申请日 2022.08.03 (65)同一申请的已公布的文献号 申请公布号 CN 114999001 A (43)申请公布日 2022.09.02 (73)专利权人 首都医科 大学附属北京友谊医院 地址 100050 北京市西城区永安路95号 (72)发明人 王振常　魏璇　赵鹏飞　陈宇辰　 黄继随　谢桑马　魏巍　王争　 张鹏　 (74)专利代理 机构 北京维昊知识产权代理事务 所(普通合伙) 11804 专利代理师 陈姗姗　孙新国 (51)Int.Cl. G06V 40/20(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06N 3/06(2006.01) A61B 5/11(2006.01)A61B 5/055(2006.01) A61B 5/00(2006.01) (56)对比文件 US 2007250134 A1,20 07.10.25 CN 108309303 A,2018.07.24 CN 110916984 A,2020.0 3.27 CN 112370049 A,2021.02.19 WO 2020028810 A1,2020.02.0 6 US 20143 03508 A1,2014.10.09 CN 108309304 A,2018.07.24 Yuqian Zhang 等. 《Predicti on of Freezing of Gait i n Patients W ith Parkinson’s Disease by Identifyi ng Impaired Gait Pat terns》 . 《 IE EE Transacti ons on Neural System s and Rehabilitation Engineering》 .2020,第28卷 (第3期), 王鑫惠 等. 《多 模态影像技术在帕金森病 冻 结步态中的研究进 展》 . 《磁共 振成像》 .2021,第 12卷(第8 期), 审查员 黄子怡 (54)发明名称 用于预测冻结步态的方法、 设备和计算机可 读存储介质 (57)摘要 本公开涉及一种用于预测冻结步态的方法、 设备和计算机可读存储介质。 所述方法包括： 获 取与预测冻结步态相关的扩散加权成像和步态 参数； 基于所述扩散加权成像获取与预测冻结步 态相关的目标图像； 以及根据所述扩散加权成 像、 所述目标图像和所述步态参数， 利用预测模 型进行预测， 以获得预测冻结步态的预测结果。 利用本公开的方案， 可以获得更准确的预测冻结 步态的预测结果。 权利要求书2页 说明书8页 附图3页 CN 114999001 B 2022.10.18 CN 114999001 B 1.一种用于预测冻结步态的方法， 包括： 获取与预测冻结步态相关的扩散加权成像和步态参数； 利用神经突触定向扩散与密度成像方法对所述扩散加权成像进行处理， 以提取神经突 触定向扩散与密度成像指标； 基于所述神经突触定向扩散与密度成像指标获取与预测冻结步态相关的目标图像， 其 中所述神经突触定 向扩散与密度成像指标包括神经突密度、 定 向扩散指数和自由水成分， 所述目标图像包括所述神经突密度对应的图像、 所述定向扩散指数对应的图像和所述自由 水成分对应的图像； 以及 根据所述扩散加权成像、 所述目标图像和所述步态参数， 利用预测模型进行预测， 以获 得预测冻结步态的预测结果， 其中所述预测模型包括特征提取模块、 融合模块、 拼接模块和分类模块， 并且根据 所述 扩散加权成像、 所述目标图像和所述步态参数， 利用所述预测模型进 行预测， 以获得预测冻 结步态的预测结果包括： 使用所述特征提取模块分别对所述扩散加权成像和所述目标图像进行特征提取， 以获 取其各自对应的特 征向量； 使用所述融合模块将所述扩散加权成像和所述目标图像各自对应的相应特征向量进 行融合， 以获得与预测冻结步态相关的融合结果； 使用所述拼接模块将所述融合结果和所述步态参数进行拼接， 以获得与预测冻结步态 相关的拼接结果； 以及 使用所述分类模块对所述 拼接结果进行分类， 以获得 预测冻结步态的预测结果。 2.根据权利要求1所述的方法， 其中所述步态参数至少包括步速、 跨步步长、 跨步时长 或者跨步节奏中的一种或者多种。 3.根据权利要求1所述的方法， 其中所述预测模型还包括注意力 机制模块， 所述扩散加 权成像和所述目标图像各自对应的特征向量包括高阶特征向量和 低阶特征向量， 并且所述 扩散加权成像和所述目标图像各自对应的相应特 征向量通过以下操作获得： 使用所述注意力机制模块对所述扩散加权成像和所述目标图像中各自对应的高阶特 征向量和低阶特 征向量执 行注意力机制操作。 4.根据权利要求3所述的方法， 其中使用所述注意力机制模块对所述扩散加权成像和 所述目标图像中各自对应的高阶特 征向量和低阶特 征向量执 行注意力机制操作包括： 基于所述扩散加权成像和所述目标图像中各自对应的高阶特征向量和低阶特征向量， 使用所述注意力机制模块确定各自对应的与注意力机制 相关的权 重； 以及 将所述各自对应的与注意力机制相关的权重与所述扩散加权成像和所述目标图像中 各自对应的高阶特征向量进行相乘， 以对所述扩散加权成像和所述目标图像中各自对应的 高阶特征向量和低阶特 征向量执 行注意力机制操作。 5.根据权利要求4所述的方法， 其中基于所述扩散加权成像和所述目标图像中各自对 应的高阶特征向量和 低阶特征向量， 使用所述注 意力机制模块确定各自对应的与 注意力机 制相关的权 重包括： 使用所述注意力机制模块对所述扩散加权成像和所述目标图像中各自对应的低阶特 征向量进行 上采样， 以获得 各自对应的上采样特 征向量；权　利　要　求　书 1/2 页 2 CN 114999001 B 2将所述各自对应的上采样特征向量与各自对应的高阶特征向量执行卷积加和操作； 以 及 根据各自卷积加 和操作的结果确定各自对应的与注意力机制 相关的权 重。 6.一种用于预测冻结步态的设备， 包括： 处理器； 以及 存储器， 其存储有用于预测冻结步态的程序指令， 当所述程序指令由所述处理器执行 时， 使得所述设备实现根据权利要求1 ‑5任意一项所述的方法。 7.一种计算机可读存储介质， 其上存储有用于预测冻结步态的计算机可读指令， 该计 算机可读指令被一个或多个处 理器执行时， 实现如权利要求1 ‑5任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114999001 B 3