脑疾病是我国乃至全球人口健康领域正面临的重大挑战。脑疾病包括帕金森病、阿尔茨海默症、癫痫、脑卒中、脑肿瘤、抑郁等神经和精神疾病，会严重影响脑的调控功能。因此，脑疾病的诊断、治疗是我国及全球所面临的重大挑战。医学成像技术的发展、推广及其新型神经影像设备问世，推动了多模态神经影像的脑疾病辅助诊断技术及应用。 

　　近日，江苏省科学技术奖公布获奖项目名单，苏州医工所戴亚康团队主持的项目《基于多模态神经影像的脑疾病智能辅助诊断关键技术及应用》荣获江苏省科学技术三等奖。该成果第一完成单位是苏州医工所，协助完成单位包括首都医科大学宣武医院、常州市第一人民医院、苏州科技城医院、苏州国科康成医疗科技有限公司。 

　　该团队聚焦智能医学影像处理、医疗健康大数据等前沿技术的探索，致力于研发面向临床专科需求的智能医学影像软件平台及产品。此次获奖的项目——基于多模态神经影像的脑疾病智能辅助诊断关键技术及应用，主要是围绕如何更加准确智能地处理分析多模态神经影像数据以提高脑疾病计算机辅助诊断精准性这一科学问题，在多模态异构神经影像配准、脑组织结构/功能建模、基于机器学习的脑疾病智能分类等方面提出了创新方法，并在此基础上研发了新型多模态神经影像融合的脑疾病智能辅助诊断软件平台，应用于临床科学研究及产业发展，为脑科学研究和脑疾病辅助诊断提供了新方法和新工具。 

 多模态神经影像智能辅助诊断分析平台 

　　利用该软件平台，已在癫痫、帕金森、高血压、阿尔兹海默症等方面开展了临床应用研究。例如，针对难治性癫痫术前定位评估，基于多模态神经影像构建高时空分辨率的脑皮层融合成像模型，有效提高癫痫灶定位精度；针对帕金森病早期诊断，利用机器学习方法分析磁共振数据寻找帕金森病特异性影像学特征，构建多模态脑神经影像学特征与帕金森病分类模型；在高血压脑损伤相关研究中，提出了基于深度学习的分类器模型，从脑MR图像中区分成人不同的血压等级，可以更好地分析脑结构与血压等级之间的关系；在焦虑症方面，通过在认知任务下进行针对性的科学分析，揭示其事件相关磁信号N270与正常人的差异，为焦虑症的研究提供依据。 

　　目前，该平台已开始推广应用并在不断完善，可有效提高多模态神经影像处理的效率和精准性，为脑科学研究和脑疾病临床诊断提供定量化分析的工具。为打破脑疾病影像分析工具被国外SPM、CURRY等主流软件垄断作出贡献。