[發(fā)明專利]一種基于廣義線性模型的機器學習的術前定位方法

有效

• 申請?zhí)枺?/td>: 202010036446.5
• 申請日: 2020-01-14
• 公開（公告）號: CN111227833B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設計）人: 牛晨;張秋麗;張明;任雨寒;溫鑫;劉翔
• 申請（專利權）人: 西安交通大學醫(yī)學院第一附屬醫(yī)院
• 主分類號: A61B5/055
• 分類號: A61B5/055
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 陳巍

本發(fā)明公開了一種基于廣義線性模型的機器學習的術前定位方法，包括以下步驟：獲得結構圖像和功能磁共振圖像；對結構圖像和功能磁共振圖像進行預處理；對結構圖像和功能磁共振圖像進行分割和配準操作，使用雙重回歸方法提取運動網絡；構建廣義線性預測模型，將大腦分區(qū)進行廣義線性預測模型擬合；本發(fā)明方法可以更準確地在靜息態(tài)功能磁共振的基礎上識別運動區(qū)域預測個體的運動激活圖，能夠以實際任務功能磁共振圖像激活為參考，使用主動任務激活訓練的廣義線性預測模能有效預測被動任務激活，廣義線性預測模對于不能達到滿意任務表現(xiàn)的患者，包括老年人、兒童、腫瘤患者具有重要的臨床應用價值。

技術領域

本發(fā)明涉及醫(yī)療輔助技術領域，尤其涉及一種基于廣義線性模型的機器學習的術前定位方法。

背景技術

準確地定位大腦功能區(qū)對于術前計劃的制定及手術路徑規(guī)劃至關重要。術前定位不僅有助于最大程度地切除腫瘤，而且還可以最大程度地減少術后神經功能缺損，從而改善患者術后的生活質量。術中電皮質刺激(ECS)作為重要功能腦區(qū)臨床定位的金標準在手術期間提供了重要的幫助。但是ECS是一項侵入性技術，需要手術團隊的專業(yè)知識和患者的積極配合。此外，這種方法通常導致手術時間延長并增加了術中癲癇的發(fā)生率。過去二十年來，血氧水平依賴功能磁共振成像(BOLD-fMRI)由于其無創(chuàng)性操作已被臨床神經外科廣泛接受，作為對重要的功能腦區(qū)(包括感覺運動皮層，語言功能區(qū))進行術前定位的重要工具。更重要的是，現(xiàn)有的研究表明基于任務的功能磁共振成像(task-based fMRI，tb-fMRI)與ECS結果存在顯著的一致性，并認為fMRI可以快速評估運動皮層與病變之間的距離，從而預測術后功能喪失；

血氧水平依賴功能磁共振成像技術(BOLD-fMRI)是近年來一種常用的無創(chuàng)性術前功能區(qū)定位技術，基于任務的功能磁共振成像(tb-fMRI)與傳統(tǒng)的術中經皮層及皮層下電刺激術得到的功能定位結果較一致，可以快速評估運動皮層與病變之間的距離，從而預測術后功能喪失。但是tb-fMRI要求受試者保持意識并自主執(zhí)行實驗任務，并避免其他所有身體運動。因此，對于無法完成任務的患者(如嬰兒，四肢不活動和認知障礙患者)，此方法有明顯的局限性。此外，即使是配合任務的受試者，在執(zhí)行任務時因頭部過度運動而產生的運動偽影也可能導致假陽性的fMRI激活；

靜息態(tài)功能磁共振則不需要患者執(zhí)行任務，可以應用于兒科患者、認知功能障礙患者甚至植物性和昏迷狀態(tài)的患者。越來越多的研究表明靜息態(tài)功能磁共振可以提供與任務激活圖和術中皮質刺激圖緊密對應的空間圖。在使用靜息態(tài)功能磁共振數(shù)據(jù)進行術前大腦區(qū)域的術前定位的研究中，最常見的數(shù)據(jù)分析方法是獨立成分分析(ICA)和基于種子點的分析(SBA)。SBA方法要求先選擇感興趣區(qū)域(ROI)，由于對象間的解剖變化，該區(qū)域并不總是可靠的。特別是對于腦腫瘤患者，腫瘤的占位效應使SBA方法難以根據(jù)大腦的解剖標志定義ROI。ICA是一種數(shù)據(jù)驅動的方法，在提取整個大腦的一般連通性模式方面計算效率高。但是，ICA方法要求根據(jù)外觀檢查手動選擇重要腦功能組件。因此，ICA的解釋非常耗時且主觀性強，并且可能會受到生理信號噪聲的影響。因此，本發(fā)明提出一種基于廣義線性模型的機器學習的術前定位方法，以解決現(xiàn)有技術中的不足之處。

發(fā)明內容

針對上述問題，本發(fā)明的目的在于提供一種基于廣義線性模型的機器學習的術前定位方法，可以更準確地在靜息態(tài)功能磁共振的基礎上識別運動區(qū)域預測個體的運動激活圖，能夠以實際任務功能磁共振圖像激活為參考，使用主動任務激活訓練的廣義線性預測模能有效預測被動任務激活，廣義線性預測模對于不能達到滿意任務表現(xiàn)的患者，包括老年人、兒童、腫瘤患者具有重要的臨床應用價值。

為實現(xiàn)本發(fā)明的目的，本發(fā)明通過以下技術方案實現(xiàn)：

一種基于廣義線性模型的機器學習的術前定位方法，包括以下步驟：

步驟一：獲得結構圖像和功能磁共振圖像

使用擾相梯度回波序列3D-T1加權序列獲取結構圖像，再通過T2*加權單次梯度平面回波成像序列獲取功能磁共振圖像；