【技术实现步骤摘要】
本系统属于人工智能与临床医学的交叉领域，具体涉及结构与功能磁共振癫痫脑影像数据处理，连接体嵌入模型构建，个体虚拟手术切除方法及癫痫外科手术疗效预测方法。
技术介绍
1、癫痫是最常见的脑部疾病之一，全球有超过7000万人罹患癫痫，我国癫痫的患病率在4％～7％之间。癫痫首选药物治疗，但是约30％的癫痫患者会发展为慢性药物难治性癫痫。对于耐药性癫痫患者，手术治疗是进一步的有效手段，更有可能消除癫痫发作，更大程度上改善患者的生活质量。在手术实践中，术前的精准评估直接关系到手术计划的合理性和手术结果的可预期性。尽管目前临床上在多学科术前评估方面取得了一定进步，但目前癫痫患者的术前评估仍几乎只依赖于术前的影像，无法精准表征患者术后脑网络整体的复杂变化和预测手术疗效，因此传统的癫痫神经外科亟需发展以虚拟切除手术为导向的手术评估系统。
技术实现思路
1、本专利技术针对技术背景提出的临床诉求，提出了基于个体化脑连接组的癫痫虚拟切除手术疗效评估系统。首先，利用患者术前弥散张量图像和静息态功能磁共振图像分别计算结构和功能连接矩阵，然后将结构连接利用连接体嵌入变换到低维空间，然后构建结构连接到功能连接的映射模型，并以此模拟虚拟切除手术后功能网络，进一步计算术后功能的网络拓扑属性预测术后疗效，实现术前精准智能评估。
2、本专利技术技术方案为：一种基于个体化脑连接组的癫痫虚拟切除手术疗效评估系统，该系统包含5个模块：磁共振结构和功能影像数据采集、磁共振影像数据预处理模块、基于个体构建手术切除模版模
3、所述磁共振结构和功能影像数据采集以及手术疗效评估模块：该模块的作用是采集前颞叶切除术的癫痫患者的术前t1加权图像、弥散张量图像dti、静息态功能磁共振图像rs-fmri的影像和术后t1加权影像；
4、所述磁共振影像数据预处理模块中的具体计算方法为：
5、首先是弥散张量图像预处理与结构连接矩阵的构建；
6、步骤a1：使用antsapplytransforms软件(ants版本2.1.0)将单个t1加权图像与弥散张量图像dti原生空间中的b0图像进行配准；b0图像表示梯度弥散加权成像中的无扭曲(b值为零)或最小扭曲的图像；
7、步骤a2：使用开源软件工具mrtrix3中的5ttgen命令进行灰质、白质、脑脊液、皮层和骨骼5个组织的解剖分割；
8、步骤a3：利用最近邻插值算法将个体模版转换到每个患者的t1加权图像的原始空间中；
9、步骤a4：结合概率追踪(ifod2)和解剖学约束(act)算法重建个体脑白质纤维网络；
10、步骤a5：使用sift2对纤维束数量进行加权，将连接任意两个脑区的纤维束总数除以这两个区域的灰质体积之和，最终构建出每个患者278×278的结构连接矩阵；sift2为一种用于纤维束跟踪和定量连接分析的方法；
11、然后是静息态功能磁共振图像预处理与功能连接矩阵构建，具体方法为：
12、步骤b1：首先检查图像伪影进行格式转换，然后手动对所有图像进行校正；
13、步骤b2：然后使用matlab工具箱dparsf v5.3对功能像数据依次进行：去除前18个时间点、头动校正、空间归一化、平滑、去线性漂移、回归协变量和滤波；
14、步骤b3：计算脑区之间平均bold时间序列之间的pearson相关系数，得到278×278的功能连接矩阵m，计算公式如下：
15、
16、其中，bold时间序列是静息态功能磁共振图像中测得的一系列血氧水平依赖性信号的时间变化，x和y是两个脑区的平均bold时间序列，n为时间点总数，r是它们之间的pearson相关系数，xi和yi是两个脑区在第i个时间点的bold信号值，和是x和y的平均值；
17、步骤b4：对功能连接矩阵应用fisher变换，计算公式如下：
18、
19、其中r是原始的相关系数，z是fisher变换后的值；
20、所述基于个体构建手术切除模版模块的具体方法为：
21、步骤c1：将预处理好的患者的术后t1加权图像配准到术前t1加权图像；
22、步骤c2：用配准后的术后图像减去术前图像，并调整阈值，得到每个患者mni空间下的标准个体手术切除模版，用三维矩阵p表示；
23、步骤c3：将每个患者的切除模版矩阵p映射到278模板，得到278个roi的切除体素数量，然后计算脑区的切除因子矩阵rf；计算公式如下：
24、
25、其中，rfi是第i个roi的切除因子，vi是278模板中第i个roi的体素数量，ni是患者中第i个roi的切除体素数量，rf是278×278的矩阵。
26、步骤c4：利用切除因子矩阵实施虚拟切除手术，计算公式如下：
27、sccut＝sc⊙rf
28、其中，sccut表示虚拟切除手术后的结构连接矩阵，sc表示术前结构连接矩阵，⊙表示对应元素逐个相乘；
29、所述结构连接体嵌入及预测功能网络模块中的具体计算方法为：
30、步骤d1：利用python连接体嵌入工具包cepy为每个节点计算得到30维的嵌入向量；
31、步骤d2：计算节点对低维嵌入向量之间的hadamard积，用作神经网络的输入；
32、步骤d3：构建全连接神经网络，包含输入层(30个神经元)、隐藏层(4层，每层256个神经元)，激活函数(relu)，输出层(1个神经元，激活函数linear)；
33、步骤d4：以对应的功能连接值为目标，使用5折交叉验证的方法训练全连接神经网络；
34、步骤d5：在测试集对应的模型下预测虚拟切除手术后的功能网络；
35、所述术后功能评估及疗效预测模块中的具体计算方法为：
36、步骤e1：使用matlab工具包gretna计算虚拟切除手术后功能网络的拓扑指标；
37、步骤e2：将节点的拓扑指标构建成特征矩阵，然后对特征进行筛选；
38、步骤e3：将数据集分为10折，其中9折为训练集，1折为测试集，利用随机森林机器学习方法，采用十折交叉验证进行训练；
39、步骤e4：将测试集放入训练好的模型，得到预测的手术疗效。
40、本专利技术针对癫痫患者术后评估问题，设计了一种可以实现虚拟切除手术并评估的方法，该方法表征精度高，可以在术前实现患者切除方案的验证和疗效预测，提高癫痫患者医疗保健质量。
本文档来自技高网...【技术保护点】
1.一种基于个体化脑连接组的癫痫虚拟切除手术疗效评估系统，该系统包含5个模块：磁共振结构和功能影像数据采集、磁共振影像数据预处理模块、基于个体构建手术切除模版模块、结构连接体嵌入及预测功能网络模块，术后功能评估及疗效预测模块；
【技术特征摘要】
1.一种基于个体化脑连接组的癫痫虚拟切除手术疗效评估系统，该系统包含5个模块：磁共振结构和功能影像数据采集、磁共振...
【专利技术属性】
技术研发人员：李蓉，杨振哲，韩鸿壕，陈华富，
申请(专利权)人：电子科技大学，
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。