[發明專利]首發精神分裂癥個體化預測模型的構建方法

在審

• 申請號: 202010454990.1
• 申請日: 2020-05-26
• 公開（公告）號: CN111627553A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 張程程;李濤
• 申請（專利權）人: 四川大學華西醫院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H20/70;G16H50/70
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

本發明屬于精神醫學、神經影像及人工智能領域，其公開了一種首發精神分裂癥個體化預測模型的構建方法，解決現有SCH腦結構網絡模型的輔助診斷的正確率低下的問題。該方法包括以下步驟：A、獲取首發精神分裂癥患者彌散張量圖像；B、對獲取的所述彌散張量圖像進行預處理；C、基于預處理后的圖像構建稀疏腦結構網絡；D、采用相似網絡融合方法構建每個被試稀疏后的多閾值融合腦結構網絡；E、提取多閾值融合腦結構網絡拓撲屬性特征，然后進行特征篩選；F、基于篩選后的特征，采用分類器進行分類訓練，獲得首發精神分裂癥個體化預測模型；G、對訓練獲得的首發精神分裂癥個體化預測模型進行性能驗證評估。

技術領域

本發明屬于精神醫學、神經影像及人工智能領域，具體涉及一種首發精神分裂癥個體化預測模型的構建方法。

背景技術

精神分裂癥(Schizophrenia，SCH)是一種高致殘、致死性精神障礙，世界衛生組織將其列為全球疾病負擔排行榜居前的十大疾病之一，然而其腦機制仍未完全厘清，診斷缺乏客觀標準，治愈率低。尋求一種客觀有效、方便可行的生物學標記對SCH進行早期個體化分類診斷和治療成為亟待解決的臨床問題。腦結構網絡改變是SCH神經解剖異常的重要生物學基礎，機器學習方法作為基于數據驅動的預測與分析工具，能夠充分利用生物標志數據內在的結構信息構建SCH個體化腦結構網絡模型。

目前SCH腦結構網絡模型的研究現狀是：1)直接提取原始網絡中結構連接值作為特征，納入了權重較低的偽連接；2)基于單一固定閾值來稀疏網絡的方法存在不同級別的噪聲影響，且單一閾值的選擇具有主觀性；3)直接應用原始的結構連接值作為低層次結構信息特征，忽視大腦拓撲復雜的網絡重要屬性。

因此，現有SCH腦結構網絡模型基于腦結構網絡特征尋找精神分裂癥敏感生物標志非常困難，模型的輔助診斷的正確率低下。

發明內容

本發明所要解決的技術問題是：提出一種首發精神分裂癥個體化預測模型的構建方法，解決現有SCH腦結構網絡模型的輔助診斷的正確率低下的問題。

本發明解決上述技術問題采用的技術方案是：

首發精神分裂癥個體化預測模型的構建方法,包括以下步驟：

A、獲取首發精神分裂癥患者彌散張量圖像；

B、對獲取的所述彌散張量圖像進行預處理；

C、基于預處理后的圖像構建稀疏腦結構網絡；

D、采用相似網絡融合方法構建每個被試稀疏后的多閾值融合腦結構網絡；

E、提取多閾值融合腦結構網絡拓撲屬性特征，然后進行特征篩選；

F、基于篩選后的特征，采用分類器進行分類訓練，獲得首發精神分裂癥個體化預測模型；

G、對訓練獲得的首發精神分裂癥個體化預測模型進行性能驗證評估。

作為進一步優化，步驟A中，利用核磁共振成像掃描機采用單次激發平面回波成像(EPI)技術掃描獲取首發精神分裂癥患者的彌散張量圖像。

作為進一步優化，步驟B中，所述對獲取的彌散張量圖像進行預處理，具體包括：

B1、利用MRI convert(磁共振成像轉換)將DICOM數據格式的彌散張量圖像轉換為NIFTI格式的圖像；

B2、對數據格式轉換后的彌散張量圖像進行渦流校正和頭動校正；

B3、應用FSL的Brain Extraction Tool(腦提取工具)去除頭骨，移除非腦組織圖像。

作為進一步優化，步驟C中，所述基于預處理后的圖像構建稀疏腦結構網絡，具體包括：