System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及阿爾茲海默病診斷,尤其是涉及一種基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法與相關(guān)性分析。
技術(shù)介紹
1、阿爾茲海默病(alzheimer's?disease)是一種神經(jīng)退行性疾病,通常導(dǎo)致老年人的認(rèn)知能力逐漸減退,影響其日常生活和社交功能。隨著人口老齡化的不斷加劇,阿爾茲海默病的發(fā)病率也在上升,成為全球公共衛(wèi)生領(lǐng)域的重要挑戰(zhàn)。準(zhǔn)確的阿爾茲海默病早期診斷對于及時干預(yù)和治療至關(guān)重要。阿爾茲海默病神經(jīng)成像計劃(adni)致力于確定阿爾茲海默病的進(jìn)展,收集了包括mri和pet圖像、遺傳學(xué)、認(rèn)知測試和生物標(biāo)志物等數(shù)據(jù)。研究人員首先使用這些單模態(tài)數(shù)據(jù)進(jìn)行研究。binette?et?al.利用磁共振成像(mri)等成像數(shù)據(jù),已明確阿爾茨海默病與特定大腦區(qū)域的病變密切相關(guān);takeshi?et?al.分析出阿爾茲海默病患者在特定生物標(biāo)志物出現(xiàn)了明顯的異常。但是阿爾茲海默病是多種因素共同影響,單模態(tài)數(shù)據(jù)不能充分反映其復(fù)雜病理生理過程。因此,研究人員開始通過對多模態(tài)數(shù)據(jù)的研究來探索阿爾茨海默病的發(fā)病機(jī)制,以使用更加全面的數(shù)據(jù)來幫助診斷阿爾茲海默病。houria?et?al.通過一種多模態(tài)圖像(dti和mri)的融合策略來檢測ad患者的白質(zhì)改變和灰質(zhì)萎縮;robi?et?al.使用了腦電圖、mri和pet對阿爾茲海默癥進(jìn)行了診斷,與單獨(dú)使用每個單獨(dú)模態(tài)數(shù)據(jù)時的分類性能相比,使用多模態(tài)數(shù)據(jù)的方法可以提高10%-20%。近年來,隨著基因測序方法的發(fā)展,研究人員發(fā)現(xiàn)與ad相關(guān)基因的單核苷酸多態(tài)性(snp)可能嚴(yán)重?fù)p害某些腦功能。因此研究人員開始將成
2、對于成像數(shù)據(jù),其中的磁共振成像(mri)是診斷阿爾茨海默病的常用成像技術(shù)。磁共振圖像是由二維成像組成的偽三維圖像。folego?et?al.通過針對smri的22層的3d?cnn對阿爾茲海默病進(jìn)行了多類診斷。由于訓(xùn)練數(shù)據(jù)和潛在數(shù)據(jù)的可用性有限,深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)成像中的實施面臨挑戰(zhàn)。ahsan?bin?et?al.使用數(shù)據(jù)增強(qiáng)和3d?cnn來研究ad的二分類和多分類。但在醫(yī)學(xué)成像領(lǐng)域,數(shù)據(jù)增強(qiáng)可能會導(dǎo)致數(shù)據(jù)失真,影響診斷和治療的準(zhǔn)確性。此外使用深度學(xué)習(xí)對三維mri進(jìn)行分析需要大量的計算資源和數(shù)據(jù)。
3、遺傳數(shù)據(jù)中的snps是人類基因組中常見的遺傳變異形式,指的是基因組中單個核苷酸的變異,即dna序列中的一個堿基與大多數(shù)人群中的常見堿基不同。這種遺傳變異在人類遺傳研究中具有重要意義,因為它在個體之間表現(xiàn)出高度的變異性,并與許多疾病的風(fēng)險和表型特征有關(guān)。就阿爾茨海默病而言,遺傳因素在其發(fā)病過程中起著至關(guān)重要的作用,而灰質(zhì)萎縮是早期阿爾茲海默病的重要生物標(biāo)志物。因此,我們進(jìn)一步的探索了snps和灰質(zhì)體積的關(guān)聯(lián)性,以尋找與疾病相關(guān)的基因變異和遺傳標(biāo)記,為疾病的早期診斷和個體化治療提供依據(jù)。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的是提供一種基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法與相關(guān)性分析,二維mri切片、形態(tài)學(xué)特征和單核苷酸多態(tài)性相結(jié)合,建立成像數(shù)據(jù)和遺傳數(shù)據(jù)的聯(lián)系,提高了診斷阿爾茲海默并的敏感性和準(zhǔn)確性。
2、為實現(xiàn)上述目的,本專利技術(shù)提供了一種基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法與相關(guān)性分析,包括步驟:
3、s1、選取兩種模態(tài)的阿爾茲海默癥數(shù)據(jù)集,兩種模態(tài)分別為磁共振成像mpi數(shù)據(jù)和單核苷酸多態(tài)性snp數(shù)據(jù),數(shù)據(jù)集包括阿爾茲海默病患者ad,早期認(rèn)知障礙患者mci以及健康受試者nc;
4、s2、對mpi數(shù)據(jù)預(yù)處理;
5、s3、對snp數(shù)據(jù)預(yù)處理;
6、s4、構(gòu)建處理mpi數(shù)據(jù)和snp數(shù)據(jù)的模型。
7、優(yōu)選的,所述步驟s2對mpi數(shù)據(jù)預(yù)處理步驟包括:
8、s21、使用adni按照特定的圖像校正步驟對mpi數(shù)據(jù)預(yù)處理;
9、s22、將所述步驟s21中預(yù)處理后的mpi數(shù)據(jù)分為兩個流程預(yù)處理;
10、s221、使用spm對mri進(jìn)行預(yù)處理,包括ac-pc校正、配準(zhǔn)、顱骨剝離和roi計算;
11、s222、將三維mri沿著矢狀面、冠狀面和軸狀面進(jìn)行切片,保留中心位置的3張圖像,獲得二維結(jié)構(gòu)磁共振成像和形態(tài)學(xué)特征。
12、優(yōu)選的,所述步驟s21中特定的圖像校正步驟:gradwarp,b1non-uniformity和n3。
13、優(yōu)選的,所述snp數(shù)據(jù)包括snps,所述步驟s3對snp數(shù)據(jù)預(yù)處理具體包括:
14、s31、對snps數(shù)據(jù)進(jìn)行質(zhì)量控制;
15、s32、填補(bǔ)snps數(shù)據(jù)缺失值;
16、s33、對snps數(shù)據(jù)基因注釋;
17、s34、選擇snps數(shù)據(jù)特征。
18、優(yōu)選的,所述步驟s4具體包括:
19、s41、處理mpi數(shù)據(jù),將mri數(shù)據(jù)分為兩個通道,第一個通道將經(jīng)過預(yù)處理的結(jié)構(gòu)磁共振成像smri數(shù)據(jù)的形態(tài)特征輸入具有兩個隱藏層的多層感知器mlp中;第二個通道涉及將smri切片輸入卷積神經(jīng)網(wǎng)絡(luò)cnn進(jìn)行特征提取;
20、s42、處理snp數(shù)據(jù),預(yù)處理的snp數(shù)據(jù)被輸入具有三個隱藏層的mlp進(jìn)行處理;
21、s43、所述步驟s41中輸出的smri數(shù)據(jù)和所述步驟s42中輸出的snp數(shù)據(jù)被輸入多層注意力特征融合層,通過多層注意力機(jī)制捕獲不同模態(tài)的局部信息和全局信息,并將它們?nèi)诤希?/p>
22、s44、使用softmax函數(shù)進(jìn)行診斷,輸出類標(biāo)簽。
23、優(yōu)選的,所述步驟s44中類標(biāo)簽包括阿爾茲海默病患者ad,早期認(rèn)知障礙患者mci以及健康受試者nc。
24、一種基于多模態(tài)數(shù)據(jù)阿爾茲海默病診斷方法的相關(guān)性分析
25、包括對阿爾茲海默病患者差異腦區(qū)的灰質(zhì)體積和snp進(jìn)行雙變量相關(guān)性分析,當(dāng)兩種相關(guān)性分析都顯著時,篩選出特定snps。
26、優(yōu)選的,所述阿爾茲海默病患者差異腦區(qū)的灰質(zhì)體積通過組間差異分析獲得,所述組間差異分析通過統(tǒng)計參數(shù)映射使用基于體素的形態(tài)學(xué)測量對ad組和nc組的smri進(jìn)行比較分析,量化腦部的灰質(zhì)、白質(zhì)和腦脊液的分布。
27、優(yōu)選的,所述兩種相關(guān)性分析方法包括皮爾遜相關(guān)系數(shù)分析和斯皮爾曼相關(guān)系數(shù)分析。
28、因此,本專利技術(shù)采用上述一種基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法與相關(guān)性分析,具有以下有益效果:
29、(1)本專利技術(shù)綜合了二維成像數(shù)據(jù)、遺傳數(shù)據(jù)和形態(tài)學(xué)特征,并將其應(yīng)用于深度學(xué)習(xí)模型中,顯著提高了模型的訓(xùn)練速度和準(zhǔn)確性;具有多層次的數(shù)據(jù)整合和機(jī)器學(xué)習(xí)模型應(yīng)用的關(guān)鍵特點(diǎn),為阿爾茨海默癥的早期診斷提供了新的前景;
30、(2)利用三維結(jié)構(gòu)磁共振本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,包括步驟:
2.根據(jù)權(quán)利要求1所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,所述步驟S2對MPI數(shù)據(jù)預(yù)處理步驟包括:
3.根據(jù)權(quán)利要求2所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,所述步驟S21中特定的圖像校正步驟:Gradwarp,B1?non-uniformity和N3。
4.根據(jù)權(quán)利要求1所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,所述SNP數(shù)據(jù)包括SNPs,所述步驟S3對SNP數(shù)據(jù)預(yù)處理具體包括:
5.根據(jù)權(quán)利要求1所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法與相關(guān)性分析,其特征在于,所述步驟S4具體包括:
6.根據(jù)權(quán)利要求5所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于:所述步驟S44中類標(biāo)簽包括阿爾茲海默病患者AD,早期認(rèn)知障礙患者M(jìn)CI以及健康受試者NC。
7.一種如權(quán)利要求1-6所述的基于多模態(tài)數(shù)據(jù)阿爾茲海默病診斷方法的相關(guān)性分析,其特征在于:對阿爾茲海默病患者差異腦區(qū)的灰質(zhì)體積和SNP進(jìn)行雙變量
8.根據(jù)權(quán)利要求7所述的基于多模態(tài)數(shù)據(jù)阿爾茲海默病診斷方法的相關(guān)性分析,其特征在于:所述阿爾茲海默病患者差異腦區(qū)的灰質(zhì)體積通過組間差異分析獲得,所述組間差異分析通過統(tǒng)計參數(shù)映射使用基于體素的形態(tài)學(xué)測量對AD組和NC組的sMRI進(jìn)行比較分析,量化腦部的灰質(zhì)、白質(zhì)和腦脊液的分布。
9.根據(jù)權(quán)利要求7所述的基于多模態(tài)數(shù)據(jù)阿爾茲海默病診斷方法的相關(guān)性分析,其特征在于:所述兩種相關(guān)性分析方法包括皮爾遜相關(guān)系數(shù)分析和斯皮爾曼相關(guān)系數(shù)分析。
...【技術(shù)特征摘要】
1.一種基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,包括步驟:
2.根據(jù)權(quán)利要求1所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,所述步驟s2對mpi數(shù)據(jù)預(yù)處理步驟包括:
3.根據(jù)權(quán)利要求2所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,所述步驟s21中特定的圖像校正步驟:gradwarp,b1?non-uniformity和n3。
4.根據(jù)權(quán)利要求1所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于,所述snp數(shù)據(jù)包括snps,所述步驟s3對snp數(shù)據(jù)預(yù)處理具體包括:
5.根據(jù)權(quán)利要求1所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法與相關(guān)性分析,其特征在于,所述步驟s4具體包括:
6.根據(jù)權(quán)利要求5所述的基于多模態(tài)數(shù)據(jù)的阿爾茲海默病診斷方法,其特征在于:所述步驟...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:奚洋,王千,張秋實,曹杰,陳丹丹,蘭竹,陳營,
申請(專利權(quán))人:東北電力大學(xué),
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。