[發明專利]一種阿爾茨海默癥早期認知功能下降預測方法

有效

• 申請號: 202010650681.1
• 申請日: 2020-07-08
• 公開（公告）號: CN111631715B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 張翼飛
• 申請（專利權）人: 上海海事大學
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 張妍;周乃鑫

1.一種阿爾茨海默癥早期認知功能下降預測方法，其特征在于，包含以下步驟：

步驟S1、獲取被測對象的靜息態功能磁共振影像組；

步驟S2、對靜息態功能磁共振影像組進行預處理；

步驟S3、對預處理后的靜息態功能磁共振影像組進行腦網絡劃分；

步驟S4、基于靜息態全腦灰質功能磁功能共振影像和腦網絡劃分后的功能磁共振影像組的時間序列，分別構建連接矩陣；

步驟S5、基于構建好的連接矩陣進行節點度計算與度分布統計，并進行腦網絡度分布的模型擬合；

步驟S6、基于訓練數據構建預測模型，依據估計出的各個腦網絡度分布的模型參數，獲得預測認知功能得分并輸出。

2.如權利要求1所述的阿爾茨海默癥早期認知功能下降預測方法，其特征在于，所述的腦網絡劃分包含：采用腦模板，或獨立成分分析方法，或基于先驗區域信息方法對腦區進行劃分，將腦區劃分為不同的大規模腦功能網絡區域。

3.如權利要求1所述的阿爾茨海默癥早期認知功能下降預測方法，其特征在于，使用功能連接FC來構建功能連接矩陣，所構建的功能連接矩陣為n×n的二維矩陣，其中，n為每個網絡的節點總數，所述的功能連接矩陣中的元素為矩陣行列對應節點的功能連接強度。

4.如權利要求1所述的阿爾茨海默癥早期認知功能下降預測方法，其特征在于，所述的節點度計算分為三個維度：

全局度：對于全腦網絡來說即全腦的度分布；對于子功能網絡來說，即大規模功能子網絡中的節點與全腦范圍其它節點間連接的度分布；

網絡內度：即劃分后的腦功能子網絡中的節點與該網絡內其他節點間的度分布；

網絡外度：依據劃分后的腦功能子網絡中的節點與全腦內位于該網絡外的節點間的度分布，即該網絡中節點的外度為所述該網絡的全局度減去所述該網絡的節點內度；

采用韋布爾分布進行腦網絡度分布的模型擬合。

5.如權利要求1所述的阿爾茨海默癥早期認知功能下降預測方法，其特征在于，節點度的計算即計算每個節點的連邊個數，以每個體素為節點，則每個體素度的計算公式如下：

其中，r_ij表示體素i與體素j之間的皮爾森相關系數，N_voxels表示所計算腦網絡范圍內體素個數，T為閾值。

6.如權利要求1所述的阿爾茨海默癥早期認知功能下降預測方法，其特征在于，所述的預測模型為：

認知能力得分～β₀+β₁×韋布爾分布的貝塔參數+β₂×年齡+β₃×性別+β₄×受教育程度；

其中，β₀是常數項，β₁，β₂，β₃，β₄是回歸系數，貝塔是韋布爾分布的參數。

7.一種存儲裝置，其特征在于，所述的存儲裝置中存儲多條程序代碼，所述的程序代碼適用于由處理器加載并執行以實現如權利要求1-6中任意一項所述的阿爾茨海默癥早期認知功能下降預測方法。

8.一種處理裝置，其特征在于，包含處理器和存儲裝置；

所述的處理器適于執行各條程序代碼；

所述的存儲裝置中存儲多條程序代碼，所述的程序代碼適用于由處理器加載并執行以實現如權利要求1-6中任意一項所述的阿爾茨海默癥早期認知功能下降預測方法。