【技术实现步骤摘要】
本专利技术涉及精神病诊断，具体涉及一种多模态识别早期痴呆人群的方法、系统和设备。
技术介绍
1、痴呆是致死率和致残率很高的疾病，同时具有高社会负担性，对痴呆风险人群的识别目前的方法主要是示踪剂显影正电子发射型计算机断层显像(positron emissioncomputed tomography,pet)、脑脊液β淀粉蛋白(amyloidβ，aβ)和tau蛋白及外周血神经丝轻链蛋白(neurofilament light chain，nfl)检测等。
2、示踪剂显影pet主要包括对aβ和tau蛋白的示踪pet。通常疾病前10-15年大脑内已经有aβ蛋白沉积，但pet检测具有放射性，且价格昂贵，推广率低。脑脊液检测aβ和tau蛋白，对于阿尔茨海默病性痴呆具有重要意义，也可以在早期预测病人脑内aβ沉积和神经损伤情况，但脑脊液获取较为困难，具有创伤性，患者的接受度很低。外周生物标记物的研究目前多集中在aβ、tau以及nfl，但前两个蛋白在外周血中的特异度和敏感度与脑脊液相差较大，而nfl虽能反映出神经损伤，但又缺乏对痴呆的特异性检测。
技术实现思路
1、本专利技术的目是提供一种多模态识别早期痴呆人群的方法、系统和设备，能寻找早期识别痴呆转化人群，具有低创伤性特定，易被社区老龄人群接受，同时检测方法简单易行、花费低。
2、为了达到上述目的，本专利技术一方面提供一种多模态识别早期痴呆人群的方法，其特征在于，包括：
3、建立识别早期痴呆人群的特征数据集，所述
4、根据认知随访结果，将特征数据集分为认知稳定人群和认知下降人群，采用lasso算法对特征数据集进行筛选；
5、建立多个机器学习模型纳入lasso算法筛选的特征，进行十折交叉验证序列，根据auc选出在训练集和测试集中表现最优的预测模型；
6、采用外部数据集ckb(中国慢性病前瞻性研究项目)对预测模型进行验证，根据auc结果确定最终模型。
7、进一步的，所述npi评分的症状维度包括幻觉、妄想、激越、抑郁、焦虑、欣快、淡漠、脱抑制、易激惹、异常运动行为、睡眠紊乱和进食障碍，所述症状维度二分类变量，包括存在症状和不存在症状。
8、进一步的，所述apoe基因分型为二分类变量，包括携带e4基因和不携带e4，所述外周血nfl含量为连续变量，排除框外值后纳入特征数据集。
9、进一步的，所述dti数据基于mri的dwi(弥散加权成像)经过计算神经纤维走线并进行纤维追踪获得，每个t1加权图像与colins大脑模板线性对齐，获得各个纤维束的fa和md值。
10、进一步的，所述机器学习模型包括逻辑回归模型、神经网络模型模型、朴素贝叶斯模型模型，将lasso回归选择的变量纳入以上几种机器学习，进行十折交叉验证训练，根据auc选出在训练集和测试集中表现最优的预测模型m。
11、进一步的，对多个模型m，采用广义线性回归模型进行拟合，根据auc结果确定最佳预测模型m。
12、进一步的，采用上述方法对外部数据集ckb队列进行数据处理，合并认知随访结果形成验证数据集，将模型m放入验证数据集中进行验证，根据auc结果确定最优模型。
13、另一方面，本专利技术还提供一种多模态识别早期痴呆人群系统，包括：
14、数据处理模块，用以建立识别早期痴呆人群的特征数据集，所述特征数据集包括npi(神经精神症状问卷)评分、apoe(载脂蛋白e)基因分型、认知功能评分、外周血nfl含量及dti数据；
15、特征筛选模块，用以根据认知随访结果，将特征数据集分为认知稳定人群和认知下降人群，采用lasso算法对特征数据集进行筛选；
16、模型优化模块，建立多个机器学习模型纳入lasso算法筛选的特征，进行十折交叉验证序列，根据auc选出在训练集和测试集中表现最优的预测模型；
17、模型验证模块，采用外部数据集ckb(中国慢性病前瞻性研究项目)对预测模型进行验证，根据auc结果确定最终模型。
18、另一方面，本专利技术还提供一种多模态识别早期痴呆人群的设备，其处理器执行上述一种多模态识别早期痴呆人群方法中的步骤。
19、另一方面，本专利技术还提供一种存储介质，所述存储介质存储有多条指令，以执行上述的一种多模态识别早期痴呆人群方法中的步骤。
20、本专利技术具有以如下有益效果：
21、本专利技术提供一种多模态识别早期痴呆人群的方法、系统和设备，采用多种方法结合，纳入npi量表、apoe基因分型、人口学数据、外周血nfl及头mri弥散建立机器学习模型，并利用外部队列数据adni验证，根据认知随访情况，将纳入人群分为认知稳定和认知下降两类，采用lasso算法筛选变量，根据曲线下面积auc作为评估指标对模型进行评估，本专利技术可以在社区老龄的痴呆转化人群的筛查中推广，从而进行早期干预和治疗，降低社会和家庭的负担。
本文档来自技高网...【技术保护点】
1.一种多模态识别早期痴呆人群的方法，其特征在于，包括：
2.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述NPI评分的症状维度包括幻觉、妄想、激越、抑郁、焦虑、欣快、淡漠、脱抑制、易激惹、异常运动行为、睡眠紊乱和进食障碍，所述症状维度二分类变量，包括存在症状和不存在症状。
3.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述ApoE基因分型为二分类变量，包括携带E4基因和不携带E4，所述外周血NfL含量为连续变量，排除框外值后纳入特征数据集。
4.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述DTI数据基于MRI的DWI(弥散加权成像)经过计算神经纤维走线并进行纤维追踪获得，每个T1加权图像与Colins大脑模板线性对齐，获得各个纤维束的FA和MD值。
5.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述机器学习模型包括逻辑回归模型、神经网络模型模型、朴素贝叶斯模型模型，将LASSO回归选择的变量纳入以上几种机器学习，进行十折交叉验证训练，根据AU
6.如权利要求5所述的一种多模态识别早期痴呆人群的方法，其特征在于,对多个模型m，采用广义线性回归模型进行拟合，根据AUC结果确定最佳预测模型M。
7.如权利要求1到6所述的任一种多模态识别早期痴呆人群的方法，其特征在于，合并认知随访结果形成验证数据集，将模型M放入验证数据集中进行验证，根据AUC结果确定最优模型。
8.一种多模态识别早期痴呆人群系统，其特征在于，包括：
9.一种多模态识别早期痴呆人群的设备，其特征在用户，其处理器和执行权利要求1至7任一项所述的一种多模态识别早期痴呆人群方法中的步骤。
10.一种存储介质，其特征在于，所述存储介质存储有多条指令，以执行权利要求1至7任一项所述的一种多模态识别早期痴呆人群方法中的步骤。
...【技术特征摘要】
1.一种多模态识别早期痴呆人群的方法，其特征在于，包括：
2.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述npi评分的症状维度包括幻觉、妄想、激越、抑郁、焦虑、欣快、淡漠、脱抑制、易激惹、异常运动行为、睡眠紊乱和进食障碍，所述症状维度二分类变量，包括存在症状和不存在症状。
3.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述apoe基因分型为二分类变量，包括携带e4基因和不携带e4，所述外周血nfl含量为连续变量，排除框外值后纳入特征数据集。
4.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述dti数据基于mri的dwi(弥散加权成像)经过计算神经纤维走线并进行纤维追踪获得，每个t1加权图像与colins大脑模板线性对齐，获得各个纤维束的fa和md值。
5.如权利要求1所述的一种多模态识别早期痴呆人群的方法，其特征在于，所述机器学习模型包括逻辑回归...
【专利技术属性】
技术研发人员：孙琳，李伟，仇琦，肖世富，
申请(专利权)人：上海市精神卫生中心上海市心理咨询培训中心，
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。