轻度认知障碍向阿尔茨海默发展的预测系统和存储介质技术方案

本发明专利技术属于医学图像处理技术领域，具体涉及一种轻度认知障碍向阿尔茨海默发展的预测系统和存储介质。本发明专利技术系统包括：输入模块，用于输入颅脑的sMRI数据；分割与提取模块，用于对sMRI数据进行脑结构的分割，提取需要的脑区结构；重构模块，用于将脑结构重构为可用于有限元分析的实体脑结构模型；位移计算模块，用于获得每个节点的点云坐标，计算位移；节点反作用力计算模块，用于进行有限元分析输出场变量得到每个节点的反作用力；疾病进展预测模块，用于以所述点云坐标和反作用力作为输入，通过机器学习模型对轻度认知障碍是否向阿尔茨海默发展进行预测。本发明专利技术可辅助实现阿尔茨海默患者的早预防、早发现、早治疗，具有很好的应用前景。应用前景。应用前景。

【技术实现步骤摘要】
轻度认知障碍向阿尔茨海默发展的预测系统和存储介质


[0001]本专利技术属于医学图像处理
，具体涉及一种轻度认知障碍向阿尔茨海默发展的预测系统和存储介质。

技术介绍

[0002]阿尔茨海默症（Alzheimer's Disease，AD）和轻度认知障碍（Mild Cognitive Impairment，MCI）都是与认知功能下降相关的疾病。轻度认知障碍是一种比正常老化更严重的认知功能下降，但并不影响日常生活能力。阿尔茨海默症是一种起病隐匿的进行性发展的神经退行性疾病，大脑中的神经元死亡和脑细胞间的连接断裂是其主要特征；且随着病情的发展，患者可能完全丧失对自己和周围环境的认知能力。
[0003]在轻度认知障碍阶段，患者可以通过一些方法来缓解症状和延缓疾病进展，例如认知训练、药物治疗等。在阿尔茨海默阶段，存在缓解症状的方法，但目前尚没有治愈该疾病的方法。虽然不是所有轻度认知障碍患者都会发展成阿尔茨海默症，但轻度认知障碍通常是阿尔茨海默症的早期表现之一。阿尔茨海默症作为一种进行性疾病，患者的认知和记忆功能的损伤会随着时间的推移而加重。如果能够在早期诊断和治疗该疾病，就有机会延缓病情进展和减轻症状，并帮助提高患者的生活质量。因此，想要延缓疾病进程、减轻患者和家属痛苦并争取更好治疗效果，把握疾病的早期治疗窗口期仍是关键，探索开发辅助诊断系统十分必要。
[0004]机器学习技术可用于阿尔茨海默症和轻度认知障碍的预测并辅助临床诊断。现有技术通常使用神经成像、生物标志物、病史和分子生物学等数据来进行机器学习模型的训练和预测。不同类型的数据对于不同的机器学习模型可能有不同的适用性和贡献。就神经成像而言，结构性磁共振成像（sMRI）数据被广泛用于各种预测模型的搭建，它可以提供关于脑结构的信息。sMRI作为输入开发机器学习预测模型时，通常是使用sMRI所提供的结构信息或者形态学测量值，如最常用的体积。Kwaket al.（2021）以海马结构作为感兴趣区域（region of interest, ROI）开发了一种基于DenseNet架构的深度学习模型，用于区分稳定的轻度认知障碍患者和随访时发展为阿尔茨海默的患者，达到了75.85%准确率。Uysala&Ozturk（2020）运用半自动分割软件ITK
‑
SNAP计算海马结构的体积信息，根据年龄、性别、诊断和左右海马体积值创建了一个数据集，使用多种机器学习算法构建认知正常人群和阿尔茨海默患者分类模型，并取得了良好的分类效果。现有研究均忽略了阿尔茨海默症和轻度认知障碍患者脑部病变结构所包含的生物力学信息，这种忽略可能使我们对脑部病变的完整理解不足。生物力学信息包括脑组织的形变、应力、应变和位移等方面的信息，这些信息能够提供对机体更全面的洞察，帮助我们了解病变的机制和对脑部功能的影响。其次，忽略病变结构包含的生物力学信息还可能限制个体化诊疗能力，不利于充分了解病变的特征和患者的个体差异。
[0005]有限元已广泛用于生物医学领域的分析，例如对心脏、肺部、骨骼、肌肉等生物组织和器官建立力学模型，用于研究生物力学行为、诊断疾病、设计医疗器械和手术方案等。
关于颅脑有限元研究，通常用于模拟脑部在受到撞击后的形变和应力分布，例如在脑外科手术中预测手术切割和移动脑部组织时对周围组织的影响。而目前对于有限元分析结合深度学习进行阿尔茨海默症早期诊断的方法还缺乏相关的研究，如何利用其实现轻度认知障碍向阿尔茨海默症发展的预测准确性尚未见到相关报道。

技术实现思路

[0006]针对现有技术的问题，本专利技术提供一种轻度认知障碍向阿尔茨海默发展的预测系统和存储介质，目的在于构建一种有限元分析结合深度学习的方法和系统，实现对轻度认知障碍向阿尔茨海默症发展的准确预测。
[0007]一种轻度认知障碍向阿尔茨海默发展的预测系统，包括：输入模块，用于输入颅脑的sMRI数据；分割与提取模块，用于对sMRI数据进行脑结构的分割，获得不同脑区的标签，提取需要的脑结构的sMRI数据；重构模块，用于将分割与提取模块提取的sMRI数据重构为可用于有限元分析的实体脑结构模型；位移计算模块，用于为实体脑结构模型赋予材料属性并划分网格，获得每个节点的点云坐标，根据前后两个时间点的点云坐标计算位移；节点反作用力计算模块，用于进行有限元分析输出场变量得到每个节点的反作用力；疾病进展预测模块，用于以所述点云坐标和反作用力作为输入，通过机器学习模型对轻度认知障碍是否向阿尔茨海默发展进行预测。
[0008]优选的，所述分割与提取模块中，所述脑结构的分割采用Freesurfer、FSL、SPM、BrainSuite、ANTs或深度学习方法实现。
[0009]优选的，所述分割与提取模块中，所述需要的脑结构选自海马区、内嗅皮层或额叶中的至少一种。
[0010]优选的，所述重构模块中，将分割与提取模块提取的sMRI数据重构为可用于有限元分析的实体脑结构模型的方法包括如下步骤：步骤1，将nii格式的sMRI数据转换为stl格式的脑结构模型；步骤2，将stl格式的脑结构模型重建为igs或stp格式的实体脑结构模型。
[0011]优选的，步骤1采用Python、MATLAB、ITK
‑
SNAP或SD slicer软件实现；步骤2采用Geomagic、SolidWorks、MeshLab、STL2STP或FreeCAD软件实现。
[0012]优选的，所述位移计算模块为实体脑结构模型赋予材料属性并划分网格时得到的点云坐标，所述材料属性如下表所示：表1：材料属性优选的，所述位移计算模块中：
使用Abaqus进行网格划分，获得每个节点的点云坐标，使用点云配准算法ICP计算先后两个时间点的位移；或，使用使用Hypermesh或Ansys进行网格划分，获得每个节点的点云坐标，并使用3D slicer或深度学习方法对图像进行配准计算先后两个时间点的位移。
[0013]优选的，所述节点反作用力计算模块中，有限元分析采用Abaqus、Ansys或深度学习方法实现。
[0014]优选的，所述疾病进展预测模块中，机器学习模型的算法选自Transformer、DNN、ResNet、LSTM、逻辑回归、K近邻、决策树、支持向量机、随机森林和高斯朴素贝叶斯；所述机器学习模型的输出为：认知正常的人、向阿尔茨海默发展的轻度认知障碍患者、不向阿尔茨海默发展的轻度认知障碍患者、阿尔茨海默症患者。
[0015]本专利技术还提供一种计算机可读存储介质，其上存储有：用于实现上述轻度认知障碍向阿尔茨海默发展的预测系统的计算机程序。
[0016]本专利技术从一种全新的角度，通过对海马结构进行有限元分析（Finite Element Analysis，FEA），将abaqus求解输出的场变量，如反作用力（Reaction force，RF）等分析结果，作为机器学习模型的输入构建预测模型。具体来说，本专利技术使用abaqus对参与者不同时期的海马结构进行有限元分析，以Poi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻度认知障碍向阿尔茨海默发展的预测系统，其特征在于，包括：输入模块，用于输入颅脑的sMRI数据；分割与提取模块，用于对sMRI数据进行脑结构的分割，获得不同脑区的标签，提取需要的脑结构的sMRI数据；重构模块，用于将分割与提取模块提取的sMRI数据重构为可用于有限元分析的实体脑结构模型；位移计算模块，用于为实体脑结构模型赋予材料属性并划分网格，获得每个节点的点云坐标，根据前后两个时间点的点云坐标计算位移；节点反作用力计算模块，用于进行有限元分析输出场变量得到每个节点的反作用力；疾病进展预测模块，用于以所述点云坐标和反作用力作为输入，通过机器学习模型对轻度认知障碍是否向阿尔茨海默发展进行预测。2.按照权利要求1所述的轻度认知障碍向阿尔茨海默发展的预测系统，其特征在于：所述分割与提取模块中，所述脑结构的分割采用Freesurfer、FSL、SPM、BrainSuite、ANTs或深度学习方法实现。3.按照权利要求1所述的轻度认知障碍向阿尔茨海默发展的预测系统，其特征在于：所述分割与提取模块中，所述需要的脑结构选自海马区、内嗅皮层或额叶中的至少一种。4.按照权利要求1所述的轻度认知障碍向阿尔茨海默发展的预测系统，其特征在于：所述重构模块中，将分割与提取模块提取的sMRI数据重构为可用于有限元分析的实体脑结构模型的方法包括如下步骤：步骤1，将nii格式的sMRI数据转换为stl格式的脑结构模型；步骤2，将stl格式的脑结构模型重建为igs或stp格式的实体脑结构模型。5.按照权利要求4所述的轻度认知障碍向...

【专利技术属性】
技术研发人员：刘昱君，周小波，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：