[發明專利]一種強迫癥風險評估模型的構建方法、系統及設備

有效

• 申請號: 202010799518.1
• 申請日: 2020-08-11
• 公開（公告）號: CN112037914B
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 彭子文;雷柏英;韋臻;楊鵬
• 申請（專利權）人: 深圳大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;A61B5/00;A61B5/16;G16H20/70
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 朱陽波

本發明提供了一種強迫癥風險評估模型的構建方法、系統及設備，通過在組稀疏表示模型中增加組稀疏正則化和平滑正則化，構建稀疏網絡；利用所述稀疏網絡表示原始fMRI數據集中ROI序列對應的腦連接網絡矩陣；利用腦連接網絡矩陣對預設網絡模型進行訓練，得到訓練完成的強迫癥風險評估模型。由于本實施例中訓練用的預設網絡模型包括：腦部特征提取模塊和分類模塊，所述腦部特征提取模塊基于DPN網絡模型提取所述腦連接網絡矩陣的邊緣特征，因此本實施例構建出的強迫癥風險評估模型可以更好的學習了特征內部的關系，降低了數據維度，減少數據處理復雜程度，提高了數據處理的效率和準確率，為強迫癥風險評估提供了依據。

技術領域

本發明涉及醫療診斷技術領域，尤其涉及的是一種強迫癥風險評估模型的構建方法、系統及設備。

背景技術

強迫癥(OCD)是一種慢性遺傳性精神病。強迫性思維或行為是強迫癥患者的主要臨床表現，這會降低患者的生活質量。根據臨床研究，遺傳因素和周圍的社會環境可導致強迫癥。患者未受影響的一級親屬(UFDR)是直系親屬，例如兄弟和父母。由于UFDR具有某些相同的OCD基因，并且他們生活在相似的環境中，因此UFDR也是OCD的高危人群。

現有的用于腦疾病早期診斷的強迫癥風險評估模型中，多為基于機器學習構建出的強迫癥風險評估模型。例如，Sen等人提出了一種利用皮爾森相關系數進行強迫癥腦網絡構建出的評估模型。然而，現有的評估框架不考慮將一級親屬作為高危人群進行判別，無法給出準確的風險評估結果。

因此，現有技術有待于進一步的改進。

發明內容

鑒于上述現有技術中的不足之處，本發明的目的在于提供一種強迫癥風險評估模型的構建方法、系統及設備，克服現有技術中強迫癥風險評估模型中在進行強迫癥風險評估時未將一級親屬作為高危人群進行判別，判別準確度低的缺陷。

本發明實施例公開的方案如下：

第一方面，本實施例提供了一種強迫癥風險評估模型的構建方法，其中，包括：

在組稀疏表示模型中增加組稀疏正則化和平滑正則化，構建稀疏網絡；

利用所述稀疏網絡表示原始fMRI數據集中ROI序列對應的腦連接網絡矩陣；

利用腦連接網絡矩陣對預設網絡模型進行訓練，得到訓練完成的強迫癥風險評估模型；

其中，所述預設網絡模型包括：腦部特征提取模塊和分類模塊，所述腦部特征提取模塊基于DPN網絡模型提取所述腦連接網絡矩陣的邊緣特征；所述分類模塊用于根據邊緣權重融合特征得到與所述腦連接網絡矩陣對應的檢測分類信息，所述邊緣權重融合特征為根據預設權重對所述邊緣特征加權后得到。

可選的，所述稀疏網絡的目標函數表達式為：

其中，表示第r個ROI的BOLD區域平均時間序列，A_r＝[x₁，...x_r-1，x_r+1，...x_R]是包含來自除x_r之外的所有R-1個ROI的數據的信號矩陣，w_r＝[w₁，...w_r-1，w_r+1，...w_R]為加權回歸系數向量，||w_r-w_r+1||₁將兩個連續ROI之間的權重差，是w_r的l₂范數的總和。

可選的，所述利用腦連接網絡矩陣對預設網絡模型進行訓練，得到訓練完成的強迫癥風險評估模型的步驟包括：