[發明專利]基于意識障礙患者意識恢復預測的磁共振檢測的數據分析方法

有效

• 申請號: 201611239707.3
• 申請日: 2016-12-28
• 公開（公告）號: CN108257657B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 吳雪海;沈定剛;張寒;湯偉軍;毛穎;周良輔;齊增鑫
• 申請（專利權）人: 復旦大學附屬華山醫院
• 主分類號: G16H30/20
• 分類號: G16H30/20
• 代理公司: 上海元一成知識產權代理事務所(普通合伙) 31268
• 代理人: 吳桂琴

1.基于意識障礙患者意識恢復預測的磁共振檢測的數據分析方法，其特征在于，基于機器學習的數據分析方法，其包括，基于靜息態功能磁共振數據(RS-fMRI)，采用“加權組稀疏”算法構建人腦功能連接矩陣，從該矩陣中，用稀疏表征的特征篩選方法挑選對分類貢獻高的功能連接特征用于自動預測；采用線性支撐向量機構建預測模型，得到最終的對意識恢復與否的預測結果；

所述的數據分析方法包括如下步驟：

1)對RS-fMRI數據進行預處理，

所述RS-fMRI數據包括層獲取時間校正，頭動校正，對齊到標準空間，空間平滑，時域帶通濾波，從數據中去除白質、腦脊液平均信號和頭動曲線；

2)對步驟1)獲得的數據，采用“加權稀疏表征”算法，優化地計算任意一個腦區和其他腦區信號之間的表征關系，采用腦區信號之間的相關系數加權的L-1范數作為約束項，獲得在同時考慮其他腦區的影響的情況下，任意兩個腦區之間的關系，即一個方陣，該矩陣代表人腦功能連接網絡；

3)對所有N個被試采用步驟1)-2)計算人腦功能連接網絡，

從所有N個意識喪失被試中，選擇N-1個被試作為訓練數據，將這些被試的意識恢復結果作為標號，采用稀疏表征的方法對所有被試所有功能連接系數，人腦功能連接網絡方陣里的上三角矩陣，進行特征篩選，篩選的原則是選擇較少的對分類目標貢獻較大的特征；

4)用被選中的特征，在特征所構成的高維空間中構建線型支撐向量機SupportVectorMachine/SVM，學習最優分類面，該分類面由所有進入SVM中的特征的權重系數決定；

5)將剩下的一個意識喪失被試，作為測試數據，對該被試的人腦功能連接網絡矩陣，用步驟3)所得到的有用特征序號，提取相同特征，將其放入步驟4)中SVM所學習到的分類模型中得到預測結果；

6)更換測試被試，將剩下的被試作為訓練數據，重復步驟3)-5)每次均能得到對測試被試的預測結果，將所有預測結果和該測試被試的標號相比較，得到預測模型的準確率、敏感度、特異度，制作受試者操作曲線ROC并得到線下面積；

7)評估模型，經過利用大數據集的實驗，以及步驟1)-6)，構建最優分類模型，該最優分類模型包括最優的腦區間功能連接特征的選擇以及這些特征的加權方式預測蘇醒與否的準確率超過89％，敏感度和特異度分別超過88％和90％；

8)新被試的預測，將所有N個被試作為訓練樣本，利用步驟3)的特征選擇確定對預測有用的特征，用步驟4)重新構建分類模型，當有新被試時，利用所述的模型預測新被試的蘇醒結果。

2.按權利要求1所述的方法，其特征在于，所述步驟1)對RS-fMRI數據進行預處理中，采用腦區分割圖譜提取不同腦區或稱感興趣區的平均時間序列；該時間序列反映區域平均血氧水平依賴信號。

3.按權利要求1所述的方法，其特征在于，所述的步驟2)包括如下分步驟：

2)-1，對腦區i，其時間序列由其他腦區的線性組合表達，通過計算其線性組合系數W的L-1范數進行約束；在該約束項上進行加權，加權系數通過腦區i和另外任一腦區的皮爾遜相關系數的e負指數變形得到；通過優化目標函數，即最小化目標函數取值，得到最佳W，即為腦區i和所有其他腦區之間的功能連接系數；

2)-2對各個腦區分別進行步驟2)-1，獲得每個腦區和所有其他腦區之間功能連接系數，由于步驟2)-1得到的為一個列向量，所有腦區所對應的列向量疊在一起形成一個方陣；

2)-3對上述方陣進行轉置，然后與轉置前的方陣相加并除以2，實現方陣的對稱化；即腦區i和腦區j的功能連接等于腦區j和腦區i的功能連接。

4.按權利要求1所述的方法，其特征在于，所述的步驟3)中通過下述方法選擇較少的對分類目標貢獻較大的特征：

建立一個以特征權重的L-1范數為約束項的線型表征優化模型，其中每個功能連接強度乘以一個特征權重，用所有功能連接強度的加權和逼近訓練數據的標號，L-1范數可以得到稀疏的優化結果，即只有少數特征被選擇，該特征權重用于特征篩選，非零權重所對應的特征即被選中。

5.按權利要求1所述的方法，其特征在于，所述的步驟8)中，按下述預測方法利用所述模型預測新被試的蘇醒結果：對所述新被試的RS-fMRI數據，采用步驟1)所述方法進行預處理，并采用步驟2)所述方法進行腦網絡構建，最后，采用上述N個被試重新構建的大數據預測模型進行特征挑選和結果預測。