基于小脑功能连接特征的阿尔茨海默病早期的预测模型制造技术

本发明专利技术公开了基于小脑功能连接特征的阿尔茨海默病早期的预测模型，包括：患者信息收集系统、AD疾病筛选系统、磁共振数据分析处理系统、生物标记事件特征提取系统和风险预测分析系统；本发明专利技术基于磁共振数据，组合了结构相磁共振、静息态功能磁共振、动脉自旋标记灌注磁共振的多模态数据，利用特征分类方法，预测不同认知功能状态患者的转归以及预后情况。有助于临床医生选择更有效的治疗手段。本发明专利技术磁共振的检测方法组合能起到协同作用提高单一检测方法的评估效率，有效预测认知功能障碍患者的转归及预后。该方法的优化组合较现有的方法更加高效，且降低了现有方法费用高、时间长、创伤大的局限性。创伤大的局限性。创伤大的局限性。

【技术实现步骤摘要】
基于小脑功能连接特征的阿尔茨海默病早期的预测模型


[0001]本专利技术涉及医疗
，具体为基于小脑功能连接特征的阿尔茨海默病早期的预测模型。

技术介绍

[0002]阿尔茨海默症(Alzheimer
’
sdisease，AD)是一种以进行性记忆力下降为突出、认知功能减低、伴有情绪人格改变的老年痴呆最常见的类型。随着我国人口老龄化的进展及医学水平的发展，中国已经成为世界上AD患者人数最多的国家，目前已高达800多万，65岁以上老年人AD发病率在4％
‑
6％，并且呈不降反增态势。流行病学显示各国家发病率及患病率不同，与国家发达程度人民生活水平教育水平相关，AD已成为全球关注的公共健康问题。轻度认知功能障碍(mildcognitiveimpairment，MCI)是指记忆或其他认知功能进行性减退，但不影响日常生活能力，且未达到痴呆的诊断标准。MCI阶段个体认知功能仍保持良好，针对该阶段个体的早期干预能有效延缓疾病进展。
[0003]对AD的研究，各国学者都在进行不同的探索，但其病因病机仍然不很明确。目前存在的多种关于AD病理机制的假说，如炎性反应、β淀粉样蛋白(β
ꢀ‑
amyloidAβ)级联学说、Tau蛋白异常磷酸化、氧化应激假说等，但是没有一种假说可以很好阐述AD的发生发展，其治疗目前集中在对症状的缓解，虽然大量临床研究证实目前药物的有效性及安全性，但其长期治疗效果并不理想，而且价格昂贵，导致患者依从性较差。给家庭和社会增加照料和经济负担。为此，提出基于小脑功能连接特征的阿尔茨海默病早期的预测模型。

技术实现思路

[0004]本专利技术的目的在于提供基于小脑功能连接特征的阿尔茨海默病早期的预测模型，以解决上述
技术介绍
中提出的目前没有一种假说可以很好阐述AD的发生发展，其治疗目前集中在对症状的缓解，虽然大量临床研究证实目前药物的有效性及安全性，但其长期治疗效果并不理想，而且价格昂贵，导致患者依从性较差。给家庭和社会增加照料和经济负担的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于小脑功能连接特征的阿尔茨海默病早期的预测模型，包括：
[0006]患者信息收集系统，在已有的认知障碍数据库基础上，收集AD患者和MCI 患者的一般临床资料、神经心理量表评估、脑脊液、血液和影像资料；
[0007]AD疾病筛选系统，通过首先筛选AD疾病相关的血和脑脊液敏感生物标记物，测定脑脊液中Aβ1
‑
42以及T
‑
tau、P
‑
tau蛋白水平，综合神经心理量表评估、ApoE基因，脑脊液Aβ1
‑
42以及T
‑
tau、P
‑
tau蛋白测定结果筛选AD 受试组；并将MCI受试者分为AD源性MCI组和非AD源性MCI组；
[0008]磁共振数据分析处理系统，sMRI数据基于SPM软件包计算各组受试者脑灰质、白质体积和密度；运用FreeSurfer软件包计算各组受试者脑皮层厚度； DTI数据应用FSL工具
包，采用基于纤维束示踪的空间统计方法计算生成纤维束各向异性图；构建全脑白质网络模型；对特定的纤维束进行追踪与三维显示；REST数据基于Matlab平台，应用SPM8、Dpabi软件包计算全脑功能连接的方法分析不同认知状态下各静息态脑网络的特征；利用图论分析方法分析不同认知状态下模块化结构特征与动态变化；ASL数据通过Functool软件处理得出所有受试者3D
‑
ASL的脑血流图，通过SPM软件得到感兴趣区的信号强度，获得脑血流的半定量测量值；
[0009]生物标记事件特征提取系统，结合多模态MRI数据分析处理，基于特定假设驱动的群组差异性测试，提取临床量表、皮层厚度、脑结构、脑网络连接、脑灌注生物标记事件特征；
[0010]风险预测分析系统，利用多模态MRI与量表特征、基因型内在与外在的关联性，借助多源数据的内在外在的一致性和互补性提取赋有HC、MCI、AD 的特征参数；同时，通过不同模态MRI特征数据融合，基于支持向量机的机器学习方法从以上数据中自动分析获得规律，再在数据特点、性质、表征、随访后数据的变化趋势等层面上，从中利用规律寻找对临床前期比较敏感的特征参数，建立预测多模态MCI、AD转归的风险预测模型；从而使预测模型更为可靠和精确。
[0011]优选的，所述患者信息收集系统与AD疾病筛选系统相连接，所述AD疾病筛选系统与磁共振数据分析处理系统相连接，所述磁共振数据分析处理系统与生物标记事件特征提取系统相连接，所述生物标记事件特征提取系统与风险预测分析系统相连接。
[0012]优选的，所述磁共振数据分析处理系统包括磁共振扫描单元和影像学数据处理单元；
[0013]所述磁共振扫描单元，通过Hachinski缺血量表排除血管性认知功能障碍；
[0014]所述影像学数据处理单元，用于获取受试者脑灰质、白质体积和密度和受试者脑皮层厚度。
[0015]优选的，所述磁共振扫描单元与影像学数据处理单元相连接。
[0016]优选的，所述影像学数据处理单元包括结构磁共振数据处理模块、弥散张量成像数据处理模块、静息态功能磁共振数据处理模块和动脉自旋标记灌注磁共振数据处理模块；
[0017]所述结构磁共振数据处理模块，基于SPM软件包计算受试者脑灰质、白质体积和密度，运用FreeSurfer软件包计算受试者脑皮层厚度；
[0018]所述弥散张量成像数据处理模块，应用FSL工具包，采用基于纤维束示踪的空间统计方法计算生成纤维束各向异性图；分析全脑白质，构建全脑白质网络；对特定的纤维束进行追踪与三维显示；
[0019]所述静息态功能磁共振数据处理模块，基于Matlab平台，应用SPM8、Dpabi 软件包，计算静息态下小脑
‑
大脑功能连接；以独立成分分析方法分析不同认知状态下各静息态脑网络的特征；利用中心度分析方法分析不同认知状态下模块化结构特征与动态变化；
[0020]所述动脉自旋标记灌注磁共振数据处理模块，基于Functool软件和SPM 软件，得出受试者3D
‑
ASL的脑血流图，通过测量工具，得到感兴趣区的信号强度，获得脑血流的半定量测量值，被试的测量部位包括双侧额叶、颞叶、顶叶和枕叶的皮质，双侧海马，双侧扣带回和双侧楔前叶。
[0021]优选的，所述结构磁共振数据处理模块与弥散张量成像数据处理模块相连接，所述弥散张量成像数据处理模块与静息态功能磁共振数据处理模块相连接，所述静息态功能磁共振数据处理模块与动脉自旋标记灌注磁共振数据处理模块相连接。
[0022]优选的，所述生物标记事件特征提取系统包括基于脑功能网络下的数据特征提取单元和基于多模态数据的模型训练单元；
[0023]所述基于脑功能网络下的数据特征提取单元，建立结构性连接，把大脑区域的连接转化为数值表示，即将复杂的脑分布分析转化为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于小脑功能连接特征的阿尔茨海默病早期的预测模型，其特征在于，包括：患者信息收集系统，在已有的认知障碍数据库基础上，收集AD患者和MCI患者的一般临床资料、神经心理量表评估、脑脊液、血液和影像资料；AD疾病筛选系统，通过首先筛选AD疾病相关的血和脑脊液敏感生物标记物，测定脑脊液中Aβ1‑
42
以及T
‑
tau、P
‑
tau蛋白水平，综合神经心理量表评估、ApoE基因，脑脊液Aβ1‑
42
以及T
‑
tau、P
‑
tau蛋白测定结果筛选AD受试组；并将MCI受试者分为AD源性MCI组和非AD源性MCI组；磁共振数据分析处理系统，sMRI数据基于SPM软件包计算各组受试者脑灰质、白质体积和密度；运用FreeSurfer软件包计算各组受试者脑皮层厚度；DTI数据应用FSL工具包，采用基于纤维束示踪的空间统计方法计算生成纤维束各向异性图；构建全脑白质网络模型；对特定的纤维束进行追踪与三维显示；REST数据基于Matlab平台，应用SPM8、Dpabi软件包计算全脑功能连接的方法分析不同认知状态下各静息态脑网络的特征；利用图论分析方法分析不同认知状态下模块化结构特征与动态变化；ASL数据通过Functool软件处理得出所有受试者3D
‑
ASL的脑血流图，通过SPM软件得到感兴趣区的信号强度，获得脑血流的半定量测量值；生物标记事件特征提取系统，结合多模态MRI数据分析处理，基于特定假设驱动的群组差异性测试，提取临床量表、皮层厚度、脑结构、脑网络连接、脑灌注生物标记事件特征；风险预测分析系统，利用多模态MRI与量表特征、基因型内在与外在的关联性，借助多源数据的内在外在的一致性和互补性提取赋有HC、MCI、AD的特征参数；同时，通过不同模态MRI特征数据融合，基于支持向量机的机器学习方法从以上数据中自动分析获得规律，再在数据特点、性质、表征、随访后数据的变化趋势等层面上，从中利用规律寻找对临床前期比较敏感的特征参数，建立预测多模态MCI、AD转归的风险预测模型；从而使预测模型更为可靠和精确。2.根据权利要求1所述的基于小脑功能连接特征的阿尔茨海默病早期的预测模型，其特征在于：所述患者信息收集系统与AD疾病筛选系统相连接，所述AD疾病筛选系统与磁共振数据分析处理系统相连接，所述磁共振数据分析处理系统与生物标记事件特征提取系统相连接，所述生物标记事件特征提取系统与风险预测分析系统相连接。3.根据权利要求2所述的基于小脑功能连接特征的阿尔茨海默病早期的预测模型，其特征在于：所述磁共振数据分析处理系统包括磁共振扫描单元和影像学数据处理单元；所述磁共振扫描单元，通过Hachinski缺血量表排除血管性认知功能障碍；所述影像学数据处理单元，用于获取受试者脑灰质、白质体积和密度和受试者脑皮层厚度...

【专利技术属性】
技术研发人员：石静萍，尹奎英，姚群，曲良承，
申请(专利权)人：南京脑科医院，
类型：发明
国别省市：