System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机处理系统,尤其涉及基于nbm中自由水含量对rbd患者认知功能的预测方法和系统。
技术介绍
1、快速眼动睡眠行为障碍(rem sleep behavior disorder,rbd)是一种以梦境行为和快速眼动睡眠失调为特征的睡眠障碍。大多数rbd患者最终会发展为α-突触核蛋白谱系病,如帕金森病(parkinson’s disease,pd)、lewy体痴呆(dementia with lewy body,dlb)和多系统萎缩症。由于其起病的隐匿性,大多数患者在诊断α-突触核蛋白谱系病时脑内神经元就已损失60%以上,故如何争取在疾病早期和前驱期识别疾病,为神经保护治疗争取时间,成为α-突触核蛋白谱系病诊断和治疗领域上的难点和热点。rbd作为α-突触核蛋白谱系病的前驱阶段,是追踪疾病早期变化的理想人群。与pd和dlb一致,rbd患者常常出现认知障碍。轻度认知障碍的rbd患者发展为痴呆的风险增加,且更容易转化为pd伴痴呆或dlb。
2、胆碱能缺陷在rbd认知障碍的病理生理机制中起着关键作用。大脑的meynert基底核(nucleus basalis of meynert,nbm)是皮质和杏仁体胆碱能神经元的主要来源。既往一些研究提示,nbm的神经退化与pd和dlb的认知障碍相关,具有预测pd和dlb患者的认知障碍进展的潜力。类似地,在rbd患者的认知功能中,nbm也扮演重要角色。目前已有的关于rbd认知障碍的生物学标志物研究主要集中在临床症状、生物化学、影像等方面。单独使用临床症状和其相关评分(如蒙特利尔
3、磁共振成像具有高分辨率、无创、低成本、可提供多序列影像等优点,广泛应用于帕金森病等中枢神经系统疾病的诊断。但由于α-突触核蛋白谱系病早期并无器质性病变,目前尚无可用于诊断该类疾病的特定磁共振序列。而自由水成像可以敏感地识别组织微结构改变。自由水不仅限于脑实质的边界,任何涉及细胞内和细胞外空间相对体积变化的过程,如衰老、退化和神经元丧失,都会产生自由水的积累。既往研究发现,在dlb患者和存在轻度认知障碍的pd患者中发现nbm的自由水值增加。认知障碍的pd患者的nbm自由水值高于健康对照组和认知正常的pd患者且pd患者nbm自由水值的变化与moca评分的变化相关。因此,自由水成像可以敏感地检测nbm的损伤,并作为pd患者的认知障碍的一种影像标志物。但现阶段尚无有效手段预测rbd患者认知功能受损的风险。
技术实现思路
1、为了克服上述技术缺陷,本专利技术的目的在于提供基于nbm中自由水含量对rbd患者认知功能的预测方法和系统。
2、为此,本专利技术提出基于nbm中自由水含量对rbd患者认知功能的预测方法,包括以下步骤:
3、步骤s1,收集待分析rbd患者人口学信息,并使用认知评估量表进行评估,记录基线认知功能分数;
4、步骤s2,收集待分析rbd患者磁共振数据,包括3d-t1w序列和dti(弥散张量序列,diffusiontensorimaging)序列,选择图像中的nbm作为感兴趣区域,获取nbm区域自由水值;
5、步骤s3,使用多元回归模型来分析rbd患者认知功能变化的基线预测因子,所述预测因子包括nbm的自由水值、认知功能的基线分数、年龄和性别。
6、进一步的,步骤s1中所述认知评估量表为moca量表,或其他认知评估量表。
7、进一步的,步骤s2中所述获取nbm区域自由水值的方法,包括以下步骤:
8、步骤s201,使用fsl v6.0图像处理工具将个体3d-t1w图像剥离颅骨并线性配准到他们的扩散加权图像;
9、步骤s202,将3d-t1w图像配准到mni(蒙特利尔神经学研究所,montrealneurological institute)152空间中,用根据julich-brain v3.0概率图谱在mni 152空间中确定nbm区间,将个体roi的阈值设定为0.5,生成roi(感兴趣区域,region ofinterest);
10、步骤s203,将dti图像进行涡流和运动校正以及颅骨剥离,通过使用自定义的脚本拟合双张量模型创建自由水映射;
11、步骤s204,将roi中的自由水映射提取,计算平均区域自由水值,并将平均自由水值用于所有基线和纵向数据分析。
12、进一步的,所述步骤s3中使用后退法解决多元回归模型中的共线性问题。
13、进一步的,所述步骤s3中所述多元回归模型为多重线性回归模型,具体通用公式为:y=β0+β1x1+β2x2+...+βpxp+ε,其中y为因变量,即需预测值,β0为常数,x1、x2...xp为自变量,即输入的预测变量,βi(i=1,2,...,p)表示在其他自变量固定不变的情况下,自变量每改变一个单位时,其单独引起因变量y的平均改变量,ε为随机误差,是y的变化中不能用自变量解释的部分,服从正态分布。在本例中,生成的模型表示为:y=β0+β1x1+β2x2+β3x3+β4x4,其中y为moca评分变化率,即随访与基线评分差值/基线评分,单位为%;x1为基线moca评分,x2为nbm自由水值,x3为评估时年龄,以年为单位,x4为性别,本模型中男性设置为1,女性设置为0;β0、β1、β2、β3和β4为利用默认数据库或利用默认数据库及个体化随访数据库的整合数据训练获得的参数。
14、本专利技术的另一个方面提供基于nbm中自由水含量对rbd患者认知功能的预测系统,包括输入模块,多元回归分析模块,和输出模块,其中:
15、所述输入模块用于输入用于预测分析的数据,由组件1和组件2组成,其中:
16、组件1用于输入待预测rbd患者的临床评估数据,包括人口学信息和认知功能评分;
17、组件2用于输入待预测rbd患者的核磁共振检查结果,包括nbm中自由水值计算结果;
18、所述多元回归分析模块用于建立多元回归分析模型,所述多元回归分析模型使用默认数据库或默认数据库与个体化随访数据库的整合数据进行训练,所述随访数据库数据包含rbd患者的年龄、性别、随访前后2次的认知评分以及随访前后2次的nbm自由水值;
19、所述输出模块用于输出预测结果。
20、进一步的,所述默认随访数据库数据来自于上海交通大学医学院附属瑞金医院和ppmi(帕金森病进展标志物研究计划,parkinson′s progression marker initiative)的rbd随访队列;所本文档来自技高网...
【技术保护点】
1.基于NBM中自由水含量对RBD患者认知功能的预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于NBM中自由水含量对RBD患者认知功能的预测方法,其特征在于,步骤S1中所述认知评估量表为MoCA量表,或其他认知评估量表。
3.根据权利要求1所述的基于NBM中自由水含量对RBD患者认知功能的预测方法,其特征在于,步骤S2中所述获取NBM区域自由水值的方法,包括以下步骤:
4.根据权利要求1所述的基于NBM中自由水含量对RBD患者认知功能的预测方法,其特征在于,所述步骤S3中使用后退法解决多元回归模型中的共线性问题。
5.根据权利要求1所述的基于NBM中自由水含量对RBD患者认知功能的预测方法,其特征在于,所述步骤S3中所述多元回归模型为多重线性回归模型,表示为:y=β0+β1X1+β2X2+β3X3+β4X4,其中y为MoCA评分变化率,即随访与基线评分差值或基线评分,单位为%;X1为基线MoCA评分,X2为NBM自由水值,X3为评估时年龄,以年为单位,X4为性别,本模型中男性设置为1,女性设置为0;β0、β1、β2
6.基于NBM中自由水含量对RBD患者认知功能的预测系统,其特征在于,包括输入模块,多元回归分析模块,和输出模块,其中:
7.根据权利要求6所述的基于NBM中自由水含量对RBD患者认知功能的预测系统,其特征在于,所述默认随访数据库数据来自于上海交通大学医学院附属瑞金医院和PPMI的RBD随访队列;所述个性化随访数据不是必需的,根据临床研究或诊断需要建立。
8.根据权利要求6所述的基于NBM中自由水含量对RBD患者认知功能的预测系统,其特征在于,所述组件2中所述NBM核自由水值获取包括:
9.根据权利要求6所述的基于NBM中自由水含量对RBD患者认知功能的预测系统,其特征在于,所述多元回归分析模型使用后退法解决多元回归模型中的共线性问题。
10.根据权利要求6所述的基于NBM中自由水含量对RBD患者认知功能的预测系统,其特征在于,所述多元回归模型为多重线性回归模型,表示为:y=β0+β1X1+β2X2+β3X3+β4X4,其中y为MoCA评分变化率,即随访与基线评分差值或基线评分,单位为%;X1为基线MoCA评分,X2为NBM自由水值,X3为评估时年龄,以年为单位,X4为性别,本模型中男性设置为1,女性设置为0;β0、β1、β2、β3和β4为利用默认数据库或利用默认数据库及个体化随访数据库的整合数据训练获得的参数。
...【技术特征摘要】
1.基于nbm中自由水含量对rbd患者认知功能的预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于nbm中自由水含量对rbd患者认知功能的预测方法,其特征在于,步骤s1中所述认知评估量表为moca量表,或其他认知评估量表。
3.根据权利要求1所述的基于nbm中自由水含量对rbd患者认知功能的预测方法,其特征在于,步骤s2中所述获取nbm区域自由水值的方法,包括以下步骤:
4.根据权利要求1所述的基于nbm中自由水含量对rbd患者认知功能的预测方法,其特征在于,所述步骤s3中使用后退法解决多元回归模型中的共线性问题。
5.根据权利要求1所述的基于nbm中自由水含量对rbd患者认知功能的预测方法,其特征在于,所述步骤s3中所述多元回归模型为多重线性回归模型,表示为:y=β0+β1x1+β2x2+β3x3+β4x4,其中y为moca评分变化率,即随访与基线评分差值或基线评分,单位为%;x1为基线moca评分,x2为nbm自由水值,x3为评估时年龄,以年为单位,x4为性别,本模型中男性设置为1,女性设置为0;β0、β1、β2、β3和β4为利用默认数据库或利用默认数据库及个体化随访数据库的整合数据训练获得的参数。
6.基于nbm中自由水含量对rbd患者认知...
【专利技术属性】
技术研发人员:刘军,周立彻,吴涛,张冬玲,
申请(专利权)人:上海交通大学医学院附属瑞金医院,
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。