抑郁症复发风险预测方法、终端设备及计算机程序产品技术

本发明专利技术公开了一种抑郁症复发风险预测方法、终端设备及计算机程序产品，本发明专利技术建立了抑郁症复发的预测模型，以利用缓解期抑郁症患者反刍状态下功能连接模式预测未来一段时间患者是否复发，从而有助于做出更好的复发预防临床决策。

【技术实现步骤摘要】

本专利技术涉及医疗数据处理技术，特别是一种抑郁症复发风险预测方法、终端设备及计算机程序产品。

技术介绍

1、抑郁症是一种复发风险极高的精神障碍。据统计，平均每位患者在其一生中会经历4次抑郁发作，带来重大的疾病负担。此外，抑郁症复发会对患者的大脑结构和功能以及认知功能产生不可逆的消极影响。在此背景下，预防抑郁症的复发成为临床治疗的重要挑战。传统的预测方法主要依赖于临床评估和患者的自我报告，限制了其预测的准确性。因此，需要一种更为客观精准的方法来预测抑郁症复发。为了解决这一问题，我们提出了一项基于反刍任务态脑网络的抑郁症复发预测模型，通过分析患者在执行反刍任务时的大脑功能连接模式，实现对抑郁症复发风险的准确预测。

2、反刍是一种适应不良的认知方式，主要表现为个体反复思考消极事件和消极情绪状态及其产生的原因和结果。大量研究表明，反刍与抑郁症密不可分，被认为是抑郁症开始、持续和复发的一个潜在因素。即使患者正处于抑郁症缓解期，反刍仍会继续；此外，反刍也会增加复发的风险以及缩短复发的时间。既往研究发现反刍思维是抑郁症复发的重要心理学特征，近期的研究表明介导本文档来自技高网...

【技术保护点】

1.一种抑郁症复发风险预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的抑郁症复发风险预测方法，其特征在于，步骤S2的具体实现过程包括：

3.根据权利要求1所述的抑郁症复发风险预测方法，其特征在于，脑网络间功能连接强度计算公式为：其中，Ck和Cl分别表示脑网络k和l，Nk和Nl分别表示脑网络k和l下所属脑区的数量，si和sj分别表示脑区i和脑区j的时间序列，μi和μj分别表示脑区i和j时间序列的均值，E[·]和σ(·)分别表示数学期望和标准差。

4.根据权利要求1所述的抑郁症复发风险预测方法，其特征在于，所述Logistic LASSO回归...

【技术特征摘要】

1.一种抑郁症复发风险预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的抑郁症复发风险预测方法，其特征在于，步骤s2的具体实现过程包括：

3.根据权利要求1所述的抑郁症复发风险预测方法，其特征在于，脑网络间功能连接强度计算公式为：其中，ck和cl分别表示脑网络k和l，nk和nl分别表示脑网络k和l下所属脑区的数量，si和sj分别表示脑区i和脑区j的时间序列，μi和μj分别表示脑区i和j时间序列的均值，e[·]和σ(·)分别表示数学期望和标准差。

4.根据权利要求1所述的抑郁症复发风险预测方法，其特征在于，所述logistic lasso回归模型...

【专利技术属性】
技术研发人员：鞠玉朦，舒苏，张燕，刘帮杉，柳进，孟凡煜，
申请(专利权)人：中南大学湘雅二医院，
类型：发明
国别省市：