[发明专利]创伤后心理疾病的风险预测方法，相关设备及存储装置

说明书

本发明提供一种创伤后心理疾病的风险预测方法，相关设备及存储装置，包括以下步骤，获取病人脑部MRI图像，基于脑部MRI图像的多模态数据划分感兴趣区域，提取灰质特征和白质特征形成特征数据集，将特征数据集输入诊断模型以获取各种心理疾病的预测概率，所述诊断模型根据特征数据集进行优化和训练。本方法能有效对创伤后心理疾病高危人群进行早期诊断，尤其对PTSD及其并发的抑郁症、焦虑症进行预测，同时提供预测创伤后心理疾病的关键图像生物学指标。

技术领域

本发明涉及医学影像处理技术领域，具体涉及一种创伤后心理疾病的风险预测方法，相关设备及存储装置。

背景技术

重大创伤性事件对个体的打击是巨大的，个体常在创伤事件发生后数月甚至数年发展为创伤后应激障碍(Post-traumatic Stress Disorder,PTSD)、抑郁症、焦虑症等精神心理疾患，严重时可导致个体失业甚至无法照料自己及家人生活，对家庭、社会造成严重的负担。

在创伤后各类精神心理疾病人群中，大概率存在PTSD、抑郁症、焦虑症共病的情形，且研究多表明PTSD、抑郁症、焦虑症发病的神经机制存在重叠，因此如能在创伤发生急性期通过技术手段将PTSD进行有效识别，有可能将其共病的抑郁症、焦虑症进行早期识别，使疾病早期干预成为可能，如本技术得以成功应用，将可有效降低PTSD等精神心理疾病的发生风险，极大改善疾病预后。

发明内容

本发明的目的是提高创伤事件后的个体心理疾病的预测水平，采用机器学习技术，基于多模态MRI图像数据对创伤后心理疾病高危人群进行早期诊断。

为了达到上述目的，本发明一方面提供一种创伤后心理疾病的风险预测方法，包括：

S1、获取病人脑部MRI图像，根据预设条件对所述MRI图像进行数据清洗；

S2、对所述脑部MRI图像进行数据预处理；

S3、基于脑部MRI图像的多模态数据划分感兴趣区域，并从感兴趣区域中提取灰质特征和白质特征，形成特征数据集；

S4、优化特征数据集，将所述特征数据集输入预测模型，获取所述患者的风险预测结果，所述风险预测结果包括所述患者被诊断为患上各种心理疾病的概率值。

进一步的，所述步骤S1的数据清洗过程包括：

S11,设置清洗条件，所述清洗条件为具有脑出血、脑结构异常等异常特征的脑部MRI图像；

S12，根据清洗条件，删除具有脑出血、脑结构异常等异常特征的脑部MRI图像。

进一步的，在所述步骤S2的数据预处理过程，包括：

S21，转化MRI图像，获取T1模态数据和DTI模态数据；

S22，采用偏差矫正法抑制T1模态数据的密度不均匀性，完成全脑图像的自动颅骨分离，将脑部图像自动分割为灰质区域和白质区域；

S23，对DTI模态数据进行白质纤维跟踪操作，得到基于全脑的白质纤维束示踪成像及各参数图。

进一步的，在所述步骤S3的特征数据集生成过程中，还包括：

S31，将多个图谱模板分别与各个被试的T1模态数据和DTI模态数据进行非刚性配准，并将并将图谱模板信息转换至目标图像的个体空间；

S32，基于配准信息，获取所述图谱模板对应的各感兴趣区域的分割结果；

S33，根据感兴趣区域的分割结果，分别提取T1模态数据特征和DTI模态数据特征，形成特征数据集。