[發(fā)明專利]基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法

在審

• 申請?zhí)枺?/td>: 202110682910.2
• 申請日: 2021-06-18
• 公開（公告）號: CN113545766A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設計）人: 劉衡;楊陽;黃可忻;李邦國;張體江
• 申請（專利權）人: 遵義醫(yī)科大學附屬醫(yī)院
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00
• 代理公司: 合肥東信智谷知識產(chǎn)權代理事務所(普通合伙) 34143
• 代理人: 周亞

1.基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法，其特征在于，包括以下步驟：

S100、收集確診的痙攣型腦癱兒童，進行粗大運動功能分級系統(tǒng)評估，并進行T₂加權液體衰減反轉恢復成像和擴散張量成像的顱腦磁共振檢查；

S200、根據(jù)粗大運動功能分級系統(tǒng)將痙攣型腦癱兒童分為粗大運動功能輕度損傷和重度損傷兩組；

S300、建立基于T₂加權液體衰減反轉恢復成像的MRI評分表，對痙攣型腦癱兒童顱腦損傷程度進行評價；

S400、使用FSL軟件對痙攣型腦癱兒童的擴散張量成像數(shù)據(jù)處理得到各向異性分數(shù)；

S500、運用隨機森林對T₂加權液體衰減反轉恢復成像評分表中的評分項及各向異性分數(shù)值進行特征篩選，并分別構建粗大運動功能預測模型；

S600、采用受試者工作特征曲線分析比較兩種模型之間的預測效能，并進一步建立預測痙攣型腦癱兒童粗大運動功能的MRI列線圖；通過校準圖和受試者工作特征曲線評估列線圖模型。

2.根據(jù)權利要求1所述的基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法，其特征在于，粗大運動功能分級系統(tǒng)Ⅰ、Ⅱ級為粗大運動功能輕度損傷，粗大運動功能分級系統(tǒng)Ⅲ～Ⅴ級為粗大運動功能重度損傷。

3.根據(jù)權利要求1所述的基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法，其特征在于，步驟S300中建立基于T2加權液體衰減反轉恢復成像的MRI評分表包括：選用檢查設備、采集序列及參數(shù)、痙攣型腦癱兒童MRI評分；檢查設備采用GE公司Signa 3.0T HDxtMR掃描儀和八通道頭部線圈。

4.根據(jù)權利要求1所述的基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法，其特征在于，步驟S400具體包括以下步驟：

1)將原始數(shù)據(jù)由DICOM格式轉換為NIFTI格式；

2)采用仿射變換將擴散加權圖像配準到b0像，以盡量減少渦流和頭部運動引起的失真；

3)進行渦流校正和頭動校正，以排除梯度線圈的影響；

4)去除所有非腦組織，閾值取0.2；

5)對每個體素進行擴散張量模型估計和各向異性分數(shù)指標計算；

6)數(shù)據(jù)圖像質(zhì)控：通過目測原始彌散張量成像和各向異性分數(shù)圖像進行質(zhì)量控制；

7)利用非線性和線性配準，將個體各向異性分數(shù)配準到標準空間；

8)基于JHU-ICBM標記模板將白質(zhì)分為50個腦區(qū)，提取各腦區(qū)各向異性分數(shù)值。

5.根據(jù)權利要求1所述的基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法，其特征在于，步驟S500隨機森林構建預測模型的過程包括以下步驟：

1)在數(shù)據(jù)集中抽樣，為每棵決策樹分配訓練集；

2)利用分配好的訓練集獨自構建決策樹；

3)將所有決策樹采用投票的方式參與判決，所得票數(shù)最多的類別將作為當前隨機森林分類器的最終輸出結果。

6.根據(jù)權利要求1所述的基于MRI列線圖預測痙攣型腦癱兒童粗大運動功能的方法，其特征在于，步驟S500特征篩選根據(jù)決策樹節(jié)點分裂算法的原理，使用Gini不純度指標來衡量模型構建過程中的特征重要程度；具體算法見式(1-1)：

式中：Pj是節(jié)點n中j類的相對頻率，對樣本而言，表示第j類樣本的占比。