【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于病情預(yù)測，具體涉及一種用于阿爾茨海默病病情評分預(yù)測方法。
技術(shù)介紹
1、阿爾茨海默病(ad)，作為一種復(fù)雜的神經(jīng)退行性疾病，其核心特征在于腦神經(jīng)細胞的逐漸喪失與功能衰退，其根本的病理機制至今仍是科學(xué)界探索的焦點，確診后的治療則面臨無法根治的困境。ad的病程通常從輕微認知障礙(mci)悄然起步，逐漸惡化至全面影響日常生活能力，初期癥狀如健忘常被低估或忽視，直至病情顯著惡化時才引起注意，而此時治療選項已相對有限。隨著全球人口老齡化的加速，癡呆癥的病例數(shù)量急劇攀升，預(yù)計到2050年，全球癡呆患者人數(shù)將超過1.5億，其中阿爾茨海默病患者將占據(jù)半壁江山，對社會經(jīng)濟體系構(gòu)成巨大壓力。經(jīng)濟層面，ad的治療與護理費用已成為不容忽視的負擔(dān)，2018年全球為此支出的費用已突破萬億美元大關(guān)，而據(jù)預(yù)測，至2030年這一數(shù)字將翻倍，達到驚人的2萬億美元。更為嚴峻的是，全球范圍內(nèi)針對ad的有效防治手段匱乏，加之其不可治愈性，使得患者照護與藥物研發(fā)成為壓在社會肩上的重擔(dān)。
2、在中國，作為ad增速最快的國家之一，這一挑戰(zhàn)尤為緊迫。然而，令人憂慮的是，公眾乃至醫(yī)療專業(yè)人士對ad的認知仍存在諸多誤區(qū)，導(dǎo)致患者難以在疾病早期得到準確識別與有效干預(yù)。目前，區(qū)分正常老齡化與ad前驅(qū)狀態(tài)仍具挑戰(zhàn)性，且早期干預(yù)手段有限，這進一步加劇了ad問題的社會關(guān)注度。因此，提升公眾認知、加強早期診斷與干預(yù)策略的研究，已成為社會各界亟待解決的重要課題。
3、阿爾茨海默病的臨床評估流程中，醫(yī)生依賴于綜合神經(jīng)影像技術(shù)(涵蓋mri、fmri等)與標準化癡
4、對此，專利技術(shù)人提出一種用于阿爾茨海默病病情評分預(yù)測方法，用以解決上述問題。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種用于阿爾茨海默病病情評分預(yù)測方法，以解決上述
技術(shù)介紹
中提出的問題。
2、為實現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、一種用于阿爾茨海默病病情評分預(yù)測方法，包括：
4、s1、從公開數(shù)據(jù)庫中獲取目標受試者的縱向多時間點mri影像數(shù)據(jù)及對應(yīng)的臨床評分數(shù)據(jù)；
5、s2、對所述mri影像數(shù)據(jù)進行標準化處理，提取各腦區(qū)的特征矩陣；
6、對所述臨床評分數(shù)據(jù)進行預(yù)處理，得到每個受試者在不同時間點的腦區(qū)數(shù)據(jù)和臨床評分；
7、s3、利用字典學(xué)習(xí)算法對每個時間點的mri影像數(shù)據(jù)的所述特征矩陣進行稀疏表示，得到稀疏表示矩陣；
8、通過優(yōu)化字典矩陣和稀疏表示矩陣，提取與學(xué)習(xí)任務(wù)相關(guān)的重要特征，去除冗余信息，降低模型復(fù)雜度；
9、s4、構(gòu)建包含雙層堆疊結(jié)構(gòu)的長短期記憶網(wǎng)絡(luò)模型slstm，用于捕捉縱向mri數(shù)據(jù)中時間序列的依賴關(guān)系及腦區(qū)間的關(guān)聯(lián)性；
10、保存不同時間點的稀疏表示矩陣，以基線時刻及m06、m12時間點的所述稀疏表示矩陣為輸入，訓(xùn)練模型以預(yù)測后續(xù)時間點m18、m24、m36的臨床評分；
11、s5、采用皮爾森相關(guān)系數(shù)r和平均絕對誤差mae對預(yù)測結(jié)果進行評估，r值越接近1且mae值越小，模型預(yù)測性能越優(yōu)；
12、比較基于不同特征選擇和模型結(jié)構(gòu)的預(yù)測性能，確定最優(yōu)模型結(jié)構(gòu)。
13、優(yōu)選的，所述mri影像信息包括基線時刻及后續(xù)多個時間點的數(shù)據(jù)。
14、優(yōu)選的，所述臨床評分數(shù)據(jù)包括簡易精神狀態(tài)檢查mmse、阿爾茨海默病評估量表-認知部分adas-cog、臨床癡呆評定量表總分cdr-sob以及臨床癡呆評定量表全局評分cdr-glob。
15、優(yōu)選的，所述字典學(xué)習(xí)算法得到所述稀疏表示矩陣的過程為：
16、s21、設(shè)定縱向時間點mri影像數(shù)據(jù)為矩陣表示t時間點m個受試者的d-維mri數(shù)據(jù)，那么基線、第06個月、第12個月、第18個月、第24個月和第36個月的數(shù)據(jù)則表示為{x1，x2，x3，x4，x5}；
17、s22、采用字典學(xué)習(xí)算法去除與當(dāng)前學(xué)習(xí)任務(wù)無關(guān)的冗余特征，并將數(shù)據(jù)轉(zhuǎn)化為稀疏表示形式，字典學(xué)習(xí)通過變量交替優(yōu)化方法進行求解，固定字典矩陣后更新稀疏表示，再固定稀疏表示更新字典矩陣，直至收斂；
18、s23、通過逐列更新策略的k-奇異值分解方法，求得每個時間點的字典矩陣和樣本的稀疏表示，通過設(shè)置字典詞匯量k的大小來控制字典的規(guī)模，從而影響稀疏度，得到所述稀疏表示矩陣。
19、優(yōu)選的，所述字典學(xué)習(xí)算法以基線時間點為例，設(shè)其影像數(shù)據(jù)集為x1＝{x1,x2,···,xi,···xm}，其中公式如下：
20、
21、其中k為字典的詞匯量，為字典矩陣，為xi的稀疏表示；
22、對于上式，采用變量交替優(yōu)化方法來進行求解：
23、首先第一步，固定字典b；
24、第二步，以ai為初值來更新字典b，可以將式(1.1)寫為
25、
26、其中||·||f是矩陣的frobenius范數(shù)。
27、優(yōu)選的，使用所述逐列更新策略的k-奇異值分解方法對上式(1.2)進行求解，得到：
28、
29、令bi表示字典矩陣b的第i列，ai表示稀疏矩陣的a的第i行，更新字典的第i列時，其他各列都是固定的，因此ei＝(x1-∑j≠ibjaj)是固定的，將ai僅保留非零元素，ei僅保留bi和ai的非零元素的乘積項，然后再進行奇異值分解，初始化b之后反復(fù)迭代，最終求得基線狀態(tài)下的字典b和樣本的稀疏表示a。
30、優(yōu)選的，所述slstm的實現(xiàn)過程為：
31、s41、遺忘門ft決定從細胞狀態(tài)中丟棄哪些信息；公式如下：
32、ft＝σ(wf·[ht-1,xt]+bf)(1.5)
33、其中，wf為權(quán)重矩陣，xt為時刻t的輸入信息，在本方法中輸入信息為xt的稀疏表示ai，ht-1為t-1時刻的隱藏狀態(tài)，σ為激活函數(shù)sigmoid，值域是(0,1)。
34、s42、輸入門it決定應(yīng)該往細胞狀態(tài)中添加什么樣的信息，利用ht-1和xt來決定更新哪些信息。然后利用ht-1和xt通過tanh層得到新的候選細胞信息這些信息可能會被更新到細胞信息中。
35、it＝σ(wi·[ht-1,xt]+bi)＝σ(wihht-1+wixxt]+bi)(1.6)
36、
37、s43、記憶單元更新，其中ft決定ct的保留程度，it決定本次更新的值，更新如下
38、
39、s43、最后是輸出門，通過sigmoid層決定輸出本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：所述MRI影像信息包括基線時刻及后續(xù)多個時間點的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：所述臨床評分數(shù)據(jù)包括簡易精神狀態(tài)檢查MMSE、阿爾茨海默病評估量表-認知部分ADAS-Cog、臨床癡呆評定量表總分CDR-SOB以及臨床癡呆評定量表全局評分CDR-GLOB。
4.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于，所述字典學(xué)習(xí)算法得到所述稀疏表示矩陣的過程為：
5.根據(jù)權(quán)利要求4所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：所述字典學(xué)習(xí)算法以基線時間點為例，設(shè)其影像數(shù)據(jù)集為X1＝{x1,x2,···,xi,···xm}，其中公式如下：
6.根據(jù)權(quán)利要求4所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：使用所述逐列更新策略的K-奇異值分解方法對上式(1.2)進行求解，得到：
7.根據(jù)權(quán)利要求4所述
8.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：通過計算評分真實值與評分預(yù)測值之間的皮爾森相關(guān)系數(shù)R和平均絕對誤差MAE來判斷模型預(yù)測能力，其定義如下:
...【技術(shù)特征摘要】
1.一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：所述mri影像信息包括基線時刻及后續(xù)多個時間點的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于：所述臨床評分數(shù)據(jù)包括簡易精神狀態(tài)檢查mmse、阿爾茨海默病評估量表-認知部分adas-cog、臨床癡呆評定量表總分cdr-sob以及臨床癡呆評定量表全局評分cdr-glob。
4.根據(jù)權(quán)利要求1所述的一種用于阿爾茨海默病病情評分預(yù)測方法，其特征在于，所述字典學(xué)習(xí)算法得到所述稀疏表示矩陣的過程為：
5.根據(jù)權(quán)利要求4所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊夢雅，楊剛，劉亞，尹賽賽，李昂，張運明，許靜，
申請(專利權(quán))人：中國人民解放軍東部戰(zhàn)區(qū)總醫(yī)院，
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。