一种基于脑电微状态的失眠患者rTMS疗效预测方法技术

本发明专利技术涉及一种基于脑电微状态的失眠患者rTMS疗效预测方法，包括：步骤1：获取数据集，其中，数据集包括多个失眠患者的基线脑电微状态指标以及对应的rTMS治疗效果类别标签；步骤2：建立疗效预测模型，利用数据集对疗效预测模型进行训练；步骤3：根据训练完成的疗效预测模型，对待预测失眠患者的rTMS的治疗效果进行预测。本发明专利技术提出的基于脑电微状态的失眠患者rTMS疗效预测方法，通过开展rTMS治疗失眠实验从而构建数据集，进一步建立可靠的疗效预测模型，利用该疗效预测模型能够准确预测rTMS对个体的治疗效果，可以为失眠患者提供个体化治疗决策信息和合理的医疗建议。决策信息和合理的医疗建议。决策信息和合理的医疗建议。

【技术实现步骤摘要】
一种基于脑电微状态的失眠患者rTMS疗效预测方法


[0001]本专利技术属于重复经颅磁刺激
，具体涉及一种基于脑电微状态的失眠患者rTMS疗效预测方法。

技术介绍

[0002]失眠障碍不仅会对白天的认知功能如警觉性、记忆力、注意力和执行功能有负面影响，而且会增加患心血管疾病、痴呆和各种精神障碍的风险。
[0003]经颅磁刺激(transcranial magnetic stimulation,TMS)是一种无痛、无创的非侵入神经调控技术，重复经颅刺激(repetitive transcranial magnetic stimulation,rTMS)是TMS的一种模式，可用于改善失眠患者的睡眠问题。然而少部分人在经过rTMS治疗后睡眠质量没有显著的改善，这表明rTMS治疗失眠存在疗效个体差异较大的缺点。
[0004]现有技术无法准确预测rTMS对个体的治疗效果，没有办法为失眠患者提供个体化治疗决策信息和合理的医疗建议。

技术实现思路

[0005]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于脑电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电微状态的失眠患者rTMS疗效预测方法，其特征在于，包括：步骤1：获取数据集，其中，所述数据集包括多个失眠患者的基线脑电微状态指标以及对应的rTMS治疗效果类别标签；步骤2：建立疗效预测模型，利用所述数据集对所述疗效预测模型进行训练；步骤3：根据训练完成的疗效预测模型，对待预测失眠患者的rTMS的治疗效果进行预测。2.根据权利要求1所述的基于脑电微状态的失眠患者rTMS疗效预测方法，其特征在于，步骤1包括：步骤1.1：采集多个失眠患者在rTMS治疗前的脑电信号，并对所述脑电信号进行预处理以排除伪迹干扰；步骤1.2：对每一个失眠患者的脑电信号，进行GFP计算得到对应的GFP曲线；步骤1.3：利用改进的k
‑
means聚类方法对所述GFP曲线进行两次聚类处理，得到每个失眠患者对应的微状态时间序列；步骤1.4：根据每个失眠患者对应的微状态时间序列，得到每个失眠患者的基线脑电微状态指标；步骤1.5：收集每个失眠患者在rTMS治疗前后对应的治疗前PSQI量表得分和治疗后PSQI量表得分，根据所述治疗前PSQI量表得分和所述治疗后PSQI量表得分，得到每个失眠患者对应的PSQI量表得分改善百分比；步骤1.6：根据所述PSQI量表得分改善百分比的中位数，将所有失眠患者分为两组，并对每一组中的失眠患者赋予对应的rTMS治疗效果类别标签；步骤1.7：根据所述每个失眠患者的基线脑电微状态指标，以及该失眠患者对应的rTMS治疗效果类别标签，得到所述数据集。3.根据权利要求2所述的基于脑电微状态的失眠患者rTMS疗效预测方法，其特征在于，在所述步骤1.1中，所述脑电信号为失眠患者在rTMS治疗前的闭眼状态下5min的静息态脑电信号；所述预处理包括滤波、重参考、剔除无用电极、插值坏导、剔除坏段和独立成分分析处理。4.根据权利要求2所述的基于脑电微状态的失眠患者rTMS疗效预测方法，其特征在于，在所述步骤1.2中，按照下式进行GFP计算：式中，K表示脑电数据中的电极数，V
i
(t)表示第i个电极在t时间点的电压，V
mean
(t)表示电极间瞬时电压的平均值。5.根据权利要求2所述的基于脑电微状态的失眠患者rTMS疗效预测方法，其特征在于，所述步骤1.3包括：步骤1.31：利用改进的k
‑
means聚类方法，对每一个失眠患者对应的GFP曲线峰值处的地形拓扑图进行聚类，得到个体水平微状态地形图；步骤1.32...

【专利技术属性】
技术研发人员：袁凯，郭勇建，朱一飞，生晓娜，赵煦萌，喻大华，
申请(专利权)人：河北医科大学第二医院，
类型：发明
国别省市：