[發明專利]一種區分首發精神分裂癥與抑郁癥共病的方法

在審

• 申請號: 202110075984.X
• 申請日: 2021-01-20
• 公開（公告）號: CN112842273A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 林小東;陳策
• 申請（專利權）人: 溫州市第七人民醫院
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/16;A61B5/055
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 劉妮

1.一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：包括以下步驟：

步驟一：采集影像數據和收集CDSS與PANSS評分

先選取精神分裂癥患者作為被試對象，再采用磁共振設備對被試對象的腦結構影像進行采集，采集過程中對被試對象頭部進行限位，以保證被試對象頭部穩定不動，接著在被試對象主動配合的情況下采集被試對象的CDSS與PANSS量表評分，采集過程中為被試對象服用抗精神病類藥物，以穩定被試對象情緒；

步驟二：對腦結構影像數據進行預處理

根據步驟一，先對采集到的腦結構影像數據進行檢查，再采用MRIcron工具中的dcm2nii命令將檢查合格的腦結構影像中的dicom數據轉換為可視化nifti數據，接著對可視化nifti數據進行重采樣，然后對從采樣的數據進行分割，最后對分割后的采樣數據進行批量配準，以比較針對同一被試對象在不同條件下獲取的圖像；

步驟三：獲取個體腦結構影像的灰質體積特征

先采用AAL模板對被試對象的腦結構影像進行分區，獲得116個不同腦區的灰質體積值，并在個體水平上進行標準化處理，得到個體灰質體積特征值，再同時對個體的CDSS與PANSS量表評分進行提取，最后得到CDSS總分、CDSS標準差、PANSS陽性癥狀分值、陰性癥狀分值、一般癥狀分值和總分六個數值作為最終臨床評分特征值；

步驟四：構建融合多核分類器

基于模式識別的分類器搭建最優多分類模型，訓練過程將腦結構影像特征和臨床評分特征分別輸入到分類器中進行訓練，針對腦結構影像特征值，先通過前向選擇機制對不同的腦區特征進行組合，再利用支持SVM對訓練個體的多腦區灰質體積特征子集數據進行多類別訓練，接著根據參數的調整及對特征子集的搜索確定由前額葉、枕上回、島葉、紋狀體、顳極的灰質體積特征值組合的SVM分類器分類效果，針對臨床評分特征，先利用臨床評分特征值構建SVM分類器，再根據特征選擇后的灰質體積特征腦區集合和臨床評分特征構建多核融合SVM分類器，多核函數選擇不同的核函數進行線性融合，通過相應參數的選擇，并在數據集上進行十折交叉驗證確定，產生多分類器；

步驟五：使用分類器進行分析預測

首先將通過預處理得到待預測被試對象的腦影像資料數據依次通過搭建好的多分類器模型系統進行預測，再由系統輸出得到待預測被試對象所屬各類別的概率值及決策建議，達到對獨立個體的精神分裂癥抑郁癥狀進行預測的目的；

2.根據權利要求1所述的一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：所述步驟一中，被試對象腦結構影像采集的具體參數無特殊要求，被試對象的CDSS與PANSS量表評分采集過程無特殊要求，評分數據采集過程中遵循客觀、誠實、公正的原則。

3.根據權利要求1所述的一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：所述步驟二中，檢查內容為模態的文件夾下是否為空文件夾，文件夾中dicom文件數量是否正確和文件夾命名內容是否統一。

4.根據權利要求1所述的一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：所述步驟三中，CDSS共有9個結構式條目，分別為抑郁情緒、絕望感、自我貶低、罪感性牽連觀念、病理性罪惡感、晨間抑郁、早醒、自殺以及觀察到的抑郁表現，最終的CDSS特征值為9個結構式條目的總分以及標準差值，PANSS評分主要選擇陽性癥狀分值、陰性癥狀分值、一般癥狀分值和總分為PANSS特征值。

5.根據權利要求1所述的一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：所述步驟四中，SVM核函數選擇徑向基核函數和線性核函數定義距離度量，輸出為后驗概率值和分類標簽，分類標簽為精神分裂癥共病抑郁數據、精神分裂癥不伴有抑郁數據和正常對照數據。

6.根據權利要求1所述的一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：所述步驟四中，SVM核函數選擇徑向基核函數和線性核函數定義距離度量，輸出為后驗概率值和分類標簽。

7.根據權利要求1所述的一種區分首發精神分裂癥與抑郁癥共病的方法，其特征在于：所述步驟四中，多分類器的分類標簽為精神分裂癥共病抑郁數據、精神分裂癥不伴有抑郁數據和正常對照數據。