[發明專利]不以診斷為目的足月新生兒HIE輔助判斷方法及相關設備

在審

• 申請號: 202211244798.5
• 申請日: 2022-10-12
• 公開（公告）號: CN115736882A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 朱文珍;石晶晶;田甜;劉棟;甘桐嘉;周銥然;朱虹全;方紀成
• 申請（專利權）人: 華中科技大學同濟醫學院附屬同濟醫院
• 主分類號: A61B5/055
• 分類號: A61B5/055;A61B5/00;G06T7/00;G06V10/774;G06V10/82
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 代春茹

本申請涉及不以診斷為目的足月新生兒HIE輔助判斷方法及相關設備，所述方法包括步驟：獲取足月新生兒待判斷對象；將所述足月新生兒待判斷對象劃分為訓練集和驗證集；采集所述足月新生兒待判斷對象的多序列磁共振圖像；對所述多序列磁共振圖像進行預處理；對所述多序列磁共振圖像進行深度特征提取以得到深度影像組學標簽；根據所述深度影像組學標簽和臨床特征構建深度學習影像組學諾模圖。本申請可以定量輔助判斷足月新生兒HIE，可以提取放射科醫生肉眼不可見的深度特征，改善目前臨床上醫生的主觀判斷，以增強判斷效能，提高判斷效率，同時對散在分布的多種類型病灶的新生兒HIE的自主判斷也是一種創新嘗試。

技術領域

本申請涉及醫療判斷領域，尤其涉及不以診斷為目的足月新生兒HIE輔助判斷方法及相關設備。

背景技術

新生兒缺氧缺血性腦病(hypoxic ischemic encephalopathy，HIE)是指在圍生期窒息缺氧，包括產前、產時的子宮內缺氧和產后窒息，有效呼吸遲遲不能建立而導致的缺氧缺血性腦損害，生后出現一系列腦病表現，嚴重者包括腦癱(比例10～20％)、智力低下、生長發育落后、癲癇等，是新生兒窒息后嚴重的并發癥。世界范圍內足月新生兒發生率為2.5‰。目前我國報告的新生兒HIE發病率在存活新生兒中占3‰～6‰。目前，多采用臨床表現進行綜合評估，包括意識改變(過度興奮、嗜睡、昏迷)、肌張力增高或減弱、原始反射異常(吸吮反射、擁抱反射減弱或消失)等，具有一定的主觀性，需要輔助以客觀的影像學檢查明確新生兒腦損傷的程度以及腦結構的變化，明確病情的嚴重程度，為治療方案的選擇以及預后評估和風險分層做出客觀及時的參考。因此，客觀的影像學方法進行早期輔助判斷對臨床決策和新生兒管理具有重要意義。

目前，臨床上常規用于新生兒的影像學檢查包括有經顱超聲(US)、CT平掃以及MRI檢查。經顱超聲雖然具有可床旁檢查、費用低廉、不需要鎮靜的特點，以及對室管膜下出血、腦室內出血具有篩查作用，但是對皮層損傷、深部核團損傷、深部白質損傷判斷效果不及MRI。同時觀察者間差異明顯，受限于不同操作者水平。CT平掃有一定的優勢，如檢查時間短暫，可顯示不同程度的顱內出血，包括不同程度的腦室周圍-腦室內出血(PV-IVH)，對硬膜下出血以及蛛網膜下腔出血有一定優勢，但是存在一定輻射損傷。MRI檢查具有軟組織分辨率高、沒有輻射損傷、多序列多參數的優勢，目前越來越多成為新生兒腦發育和腦損傷的標準客觀評估方法，同時可作為其他新生兒腦病鑒別判斷的客觀標準方法，如遺傳代謝性疾病，顱內感染性疾病，顱內先天畸形等。結構性MRI可以檢測出缺氧缺血性腦病的病灶位置、分布和嚴重程度，是評估新生兒HIE及預后不良患兒腦損傷的標準和首選工具。T1WI、T2WI和T2FLAIR序列常規可檢測腦損傷的不同模式和病變，具有較高的敏感性和特異性。

異常信號強度可見于基底節區、丘腦、皮質脊髓束、白質、皮層等不同部位，并且常規MRI可以根據明確損傷類型，按照新生兒HIE的病理改變在常規MRI上可以清晰的觀察到急性期腦水腫、皮層及白質損傷、腦室周圍白質軟化(PVL)、局灶性或多發腦梗塞。同時可通過常規MRI判斷損傷嚴重程度從而預測遠期結局。

因此，在臨床實踐中常依據MRI表現進行損傷評分進而輔助新生兒HIE治療和預測預后。然而，客觀的MR成像受限于主觀的不同的神經放射學家的經驗來識別病變并做出評分。同時，不同資歷的醫生對HIE的判斷能力也存在顯著性差異，放射學家對HIE的評估可能會存在20％～40％的觀察者間差異性，這種主觀判斷可能導致個性化治療差異。

影像組學是一種新興的客觀影像學方法，最早由荷蘭學者Lambin等在2012年提出，它從醫療圖像中提取高通量影像組學特征，建立高維影像數據集，通過肉眼不可見的影像學特征與臨床結局特征相關聯，從而對精確判斷提供支持。通過影像學病灶分割、特征提取、特征篩選以及應用模型構建，并與結局相關聯，從而開發出判斷疾病的預測模型。提取的特征包括有基本的形狀特征、紋理特征等，建立模型階段有傳統的機器學習方法，包括支持向量機、邏輯回歸和隨機森林等，也有目前采用提取深度特征然后進行應用模型的構建和判斷的深度學習的方式。