一种缺血性脑卒中患者康复预测模型建立方法技术

本发明专利技术涉及预测模型建立，尤其涉及一种缺血性脑卒中患者康复预测模型建立方法。其基于卒中患者的临床信息、检查评定、LIS检验结果、结构磁共振成像、和功能磁共振成像等，分别提取不同的数据特征和影像特征，并采取多任务学习和相互学习的思想，以深度学习为手段预测缺血性脑卒中患者在发病后三个月、六个月以及一年后的ADL恢复情况。其包括：S1、数据预处理。包括：数据特征提取、影像特征提取、深度特征提取。S2、基于深度互相学习的长期康复预测。包括：多模态特征融合、模型搭建、模型训练。模型训练。模型训练。

【技术实现步骤摘要】
一种缺血性脑卒中患者康复预测模型建立方法


[0001]本专利技术涉及预测模型建立，尤其涉及一种缺血性脑卒中患者康复预测模型建立方法。

技术介绍

[0002]缺血性脑卒中(脑梗)中有接近90％的患者的预后会存在不同的功能障碍，包括：运动功能障碍、感觉功能障碍、认知障碍、情绪障碍、言语和语言障碍、吞咽障碍、排泄障碍及心肺功能障碍，而这些功能障碍的恢复情况是影响患者预后日常生活活动能力(ADL)的主要因素。
[0003]循证医学证实，脑卒中康复是降低致残率最有效的方法。适应、再生和神经重塑是卒中恢复的三个基本机制，康复治疗可以有效辅助患者对受损功能进行补偿、帮助神经细胞恢复功能、对神经系统连接和排布进行重塑，是减轻并发症的最有效手段，及时、科学、系统的康复治疗可以有效帮助卒中患者重塑或修复大脑神经功能，降低致残率，恢复患者自主生活能力，减轻家庭负担，提升预后生活品质等。神经系统的恢复遵循非线性的对数模式，一般发病一年内的康复训练都被认为是有意义的，但是前三个月为最佳康复时间，前六个月为有效康复时间，如果能准确预测三个月、六个月和一年后患者的康复状态有助于医生制定康复方案，增强患者信心，合理安排康复进度等。
[0004]临床上，一般使用美国国立卫生研究院卒中量表(NIHSS)、简易精神状态检查(MMSE)、肌张力痉挛评定量表(Ashworth)、Fugl
‑
Meyer运动功能评定量表(FMA)等多种量表来评估患者的功能受损情况、生活能力等，使用电子计算机断层扫描(CT)、结构磁共振成像(sMRI)、功能磁共振成像(fMRI)、脑电图(EEG)、脑磁图(MEG)和功能近红外谱成像(fNIRS)等医学影像对患者的发病位置、严重程度等进行定性和定量分析，使用临床指标评估患者的身体状态、基础疾病等。为了实现缺血性脑卒中的精准康复预测，考虑采用不同时期的多种数据模态对整个康复进程进行预测。

技术实现思路

[0005]本专利技术就是针对现有技术存在的缺陷，提供一种缺血性脑卒中患者康复预测模型建立方法。其基于卒中患者的临床信息、检查评定、LIS检验结果、结构磁共振成像(sMRI)和功能磁共振成像(fMRI)等，分别提取不同的数据特征和影像特征，并采取多任务学习和相互学习的思想，以深度学习为手段预测缺血性脑卒中患者在发病后三个月、六个月以及一年后的ADL恢复情况(用Barthel量表得分作为评价金标准)。
[0006]为实现上述目的，本专利技术采用如下技术方案，包括：
[0007]S1、数据预处理。
[0008]其包括：数据特征提取、影像特征提取、深度特征提取。
[0009]S2、基于深度互相学习(DSML)的长期康复预测。
[0010]其包括：多模态特征融合、模型搭建、模型训练。
[0011]进一步地，所述数据预处理中，选择一定数量的缺血性脑卒中患者，每名患者均接受LIS检查(血检、尿检等)、临床信息采集(年龄、性别、糖尿病病史、高血压病史等)、检查评定(NIHSS评分、MMSE评分、Ashworth评分、Fugl
‑
Meyer评分、十米步行测试时间等)、sMRI影像(T1WI、FLAIR)、fMRI影像(DWI、DTI、Blood
‑
fMRI)、ADL评估(Barthel量表)。
[0012]其中，LIS检查包括血检、尿检。
[0013]临床信息采集包括年龄、性别、糖尿病病史、高血压病史。
[0014]检查评定包括NIHSS评分、MMSE评分、Ashworth评分、Fugl
‑
Meyer评分、十米步行测试时间。
[0015]进一步地，所述数据特征提取包括：对于LIS检查数据，筛选出超过70％患者都进行的检查项目，缺失值选择中位数填充，并按照标准值的上限和下限进行数据标准化；对于患者的临床信息，进行独热编码，对于病史信息缺乏的按照无病史进行处理；对于检查评定中的各种量表得分，按照0
‑
满分进行归一化，十米步行测试按照最大最小值进行归一化操作；并对连续变量(如年龄、LIS检验、量表得分等)进行曼
‑
惠特尼秩和检验(MannWhitney U检验)，其中，连续变量包括年龄、LIS检验、量表得分，对离散特征(病史等)采用卡方检验进行特征筛选，其中，离散特征包括病史。
[0016]进一步地，所述影像特征提取包括：
[0017]对于sMRI影像，进行空间归一化、配准和偏置场校正，对齐影像的空间位置，对于fMRI影像，分别进行时间层校正、头动校正、配准、平滑、去线性偏移和带通滤波，去除干扰。
[0018]采用SPM12中的计算解剖学工具包(CAT)对T1WI、FLAIR序列进行处理，得到颅内总容积(TIV)、灰质体积(GM)、白质体积(WM)、脑容量(CSF)、白质高信号区体积(WMH)。
[0019]对于fMRI影像中的DWI序列，对DWI图像按弥散敏感系数b(简称b值)进行拆分，分别提取b＝0和b＝1500的影像，并根据b0图像和b1500图像计算梗死区域体积、缺血半暗带体积。
[0020]对于DTI序列，利用3D
‑
Slicer软件计算DTI序列中梗塞灶中梗死核心、半暗带以及健侧对应区的平均各向异性分数(FA)和平均弥散率(MD)。
[0021]对于Blood
‑
fMRI序列，利用静息态fMRI数据分析工具包(rest1.8)工具包，选择Blood
‑
fMRI序列中与运动、平衡、感觉、语言、认知功能具有相关性的(即相关性较强的)双侧中央前回、中央后回、额上回、颞下回、小脑、丘脑、壳核以及尾状核，分别计算这些解剖结构的局部一致性(ReHo)、低频波动振幅(ALFF)、低频振荡分数(fALFF)。
[0022]进一步地，所述深度特征提取包括：对于sMRI影像，将T1WI、FLAIR序列进行配准；对于DWI序列，按照b＝0和b＝1500进行拆分；对于DTI序列，利用3D
‑
Slicer生成全脑的FA图和MD图；对于Blood
‑
fMRI序列，考虑大脑初级运动皮层(M1区)是大脑中负责直接控制躯体运动的系统，利用Resting State fMRIData Analysis Toolkit(rest1.8)工具包，选择双侧的M1区作为种子点，计算双侧M1区与全脑的功能连接(FC)图；将得到的T1WI图像、FLAIR图像、b0图像、b1500图像、FA图像、MD图像、左侧FC图像和右侧FA图像这9个序列重采样到相同的spacing，保证所有图像的空间一致性，并进行标准化处理，按照维度进行concatenate拼接，并采用3D
‑
Inception_v3提取影像的深度特征。
[0023]进一步地，所述多模态特征融合包括：利用数据预处理步骤得到的数据特征、影像特征和深度特征，搭建长期康复预测模型，分别预测康复治疗三个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺血性脑卒中患者康复预测模型建立方法，其特征在于，包括：S1、数据预处理；其包括：数据特征提取、影像特征提取、深度特征提取；S2、基于深度互相学习(DSML)的长期康复预测；其包括：多模态特征融合、模型搭建、模型训练。2.根据权利要求1所述的一种缺血性脑卒中患者康复预测模型建立方法，其特征在于：所述数据预处理中，选择一定数量的缺血性脑卒中患者，每名患者均接受LIS检查、临床信息采集、检查评定、sMRI影像、fMRI影像、ADL评估。3.根据权利要求1所述的一种缺血性脑卒中患者康复预测模型建立方法，其特征在于：所述数据特征提取包括：对于LIS检查数据，筛选出超过70％患者都进行的检查项目，缺失值选择中位数填充，并按照标准值的上限和下限进行数据标准化；对于患者的临床信息，进行独热编码，对于病史信息缺乏的按照无病史进行处理；对于检查评定中的各种量表得分，按照0
‑
满分进行归一化，十米步行测试按照最大最小值进行归一化操作；并对连续变量进行曼
‑
惠特尼秩和检验，其中，连续变量包括年龄、LIS检验、量表得分，对离散特征采用卡方检验进行特征筛选，其中，离散特征包括病史。4.根据权利要求1所述的一种缺血性脑卒中患者康复预测模型建立方法，其特征在于：所述影像特征提取包括：对于sMRI影像，进行空间归一化、配准和偏置场校正，对齐影像的空间位置，对于fMRI影像，分别进行时间层校正、头动校正、配准、平滑、去线性偏移和带通滤波，去除干扰；采用SPM12中的计算解剖学工具包对T1WI、FLAIR序列进行处理，得到颅内总容积、灰质体积、白质体积、脑容量、白质高信号区体积；对于fMRI影像中的DWI序列，对DWI图像按弥散敏感系数b进行拆分，分别提取b＝0和b＝1500的影像，并根据b0图像和b1500图像计算梗死区域体积、缺血半暗带体积；对于DTI序列，利用3D
‑
Slicer软件计算DTI序列中梗塞灶中梗死核心、半暗带以及健侧对应区的平均各向异性分数和平均弥散率；对于Blood
‑
fMRI序列，利用静息态fMRI数据分析工具包工具包，选择Blood
‑
fMRI序列中与运动、平衡、感觉、语言、认知功能具有相关性的双侧中央前回、中央后回、额上回、颞下回、小脑、丘脑、壳核以及尾状核，分别计算这些解剖结构的局部一致性、低频波动振幅、低频振荡分数。5.根据权利要求1所述的一种缺血性脑卒中患者康复预测模型建立方法，其特征在于：所述深度特征提取包括：对于sMRI影像，将T1WI、FLAIR序列进行配准；对于DWI序列，按照b＝0和b＝1500进...

【专利技术属性】
技术研发人员：刘学勇，何宇，刘学敏，夏墨宇，
申请(专利权)人：中国医科大学附属盛京医院，
类型：发明
国别省市：