【技术实现步骤摘要】
一种阿尔兹海默症的认知及脑影像数据整合评估方法
[0001]本专利技术涉及在线辅助测评领域，具体涉及一种阿尔兹海默症的认知及脑影像数据整合评估方法。
技术介绍
[0002]阿尔兹海默症(Alzheimer's Disease,AD)是一种起病隐匿且不可逆的神经系统退行性疾病。
[0003]轻度认知障碍(Mild Cognitive Impairment,MCI)是前人所提出的阿尔兹海默症的一种前驱状态，是介于正常衰老与痴呆之间的一种中间状态。轻度认知障碍可作为阿尔兹海默症的“预报器”，如果能及早发现此状态并给予适当的干预治疗，就可以延缓阿尔兹海默症的进展。所以，正确诊断阿尔兹海默症，尤其是正确诊断其早期阶段的轻度认知障碍，对阿尔兹海默症的预防、早期发现与治疗干预至关重要。
[0004]认知功能多领域的筛查和评估可有效地甄别认知功能障碍患者。常见老年痴呆的早期信号可能包含以下几种：(1)记忆障碍：常常表现为“丢三落四”、“说完就忘”，同一问题反复提问。(2)视空间技能障碍：不能准确地判断物品的位置，找不到自己的...
【技术保护点】
【技术特征摘要】
1.一种阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在于，所述方法包括以下步骤：步骤I：获取受测者的认知功能多领域筛查评估的行为学数据；步骤II：分析多模态磁共振成像数据，包括：（1）对脑结构进行磁共振成像分析，基于定点分析方法对受测者的海马体积及形状进行量化分析，（2）对静息态功能性磁共振成像数据进行预处理，纠正原始静息态功能性磁共振成像数据中存在的偏差，（3）基于预处理后的静息态功能性磁共振成像数据，定位认知相关的脑功能网络，并计算每个脑功能网络内功能连接值，以及基于被定位的与高级认知功能相关的脑功能网络，选取各个脑功能网络的主要节点作为感兴趣区，计算两两脑功能网络之间的有效连接，步骤III：将受测者的认知功能多领域筛查评估的行为学数据、受测者的海马体积及形状量化分析数据、以及认知相关的脑功能网络内连接值及脑功能网络间的有效连接数据的模型分布参数输入到同一联合模型，使用分层贝叶斯方法将该联合模型拟合相关数据，建立分层贝叶斯联合模型，获得超参数集的中心化趋势和离散程度，并生成参数的联合后验分布，确定轻度认知障碍及阿尔兹海默症认知和神经模型参数的关联程度和方向；步骤IV：根据获得的参数的联合后验分布，使用支持向量机训练轻度认知障碍及阿尔兹海默症的特异性变化模型。2.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在于，静息态功能性磁共振成像数据预处理的步骤如下：1）将图像数据文件格式转化为软件处理识别的格式；2）剔除图像数据的前10个时间点数据，以排除由于开始扫描磁场不均匀、受试者不适应对结果造成的误差影响；3）时间矫正处理：剩余230个数据进行时间矫正处理，以数学的方法将同一个TR内不同的扫描时间点矫正于同一时间点进行后续处理；4）头部矫正，把一个实验序列中的每一帧图像都和这个序列的第一帧图像按照一定的算法做对齐，以矫正因受试者头动而产生的误差影响；5）空间标准化，映射到标准脑，头部矫正获得受试者的水平方向头动及旋转头动图，将平移小于1.5mm与旋转小于1.5
°
的受试者图像映射到标准脑[
‑
90,
‑
126,
‑
72;90,90,108]上，体素大小为3 * 3 * 3 mm；6）对图像数据进行平滑处理，平滑核为[6 6 6]，用于提升空间标准化后图像信号的信噪比；7）进行图像去线性漂移，除去机器温度、受试者适应性产生的线性影响；8）图像滤波，波段采用0.01
‑
0.1 Hz，去除高频信号；9）进行协变量提取并去除协变量。3.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在于，基于ICA定位认知相关的脑功能网络。4.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在于，利用监督学习算法中的SVM算法确定轻度认知障碍及阿尔兹海默症的特异性变化模型，
其中，将获得的阿尔兹海默症患者及健康对照者的建立分层贝叶斯联合模型的超参数集数据的90%作为训练集，剩余10%作为测试集，当在测试集上的分类预测正确率在80%以上时认为SVM模型分类预测合理。5.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在于，在步骤III中，对于第j个用户的神经数据N
j
和行为数据B
j
，假设神经数据服从分布N
j
~Neural(δ
j
)，行为数据服从分布B
...
【专利技术属性】
技术研发人员：李诗怡，王云霞，李嘉，马珠江，王晓怡，
申请(专利权)人：北京智精灵科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。