[发明专利]一种基于核磁共振结构影像加权的决策支持方法及系统

说明书

本发明提出一种基于核磁共振结构影像加权的决策支持方法及系统，包括：使用已标注核磁共振结构影像作为训练数据，对卷积神经网络模型进行预训练，得到决策支持模型；根据待分析对象的临床资料通过数据库查询，得到该待分析对象患病的前置概率；采用深度学习和统计回归的方法，提取该待分析对象核磁共振结构影像的量化特征，将该量化特征作为权重引入该决策支持模型，将该前置概率输入至该决策支持模型，得到该待分析对象的疾病决策支持结果。本发明提供的种基于核磁共振结构影像加权的阿尔茨海默病早期预测的方法具有更高的准确率、假阴性率和假阳性率。

技术领域

本发明涉及机器学习领域和智能图像分析领域，并特别涉及一种基于核磁共振结构影像加权的决策支持方法及系统。

背景技术

阿尔茨海默病(Alzheimer’s Disease，AD)临床上表现为失忆、丧失行动、语言能力等，是典型的老年退行性疾病。阿尔茨海默病(Alzheimer’s Disease，AD)俗称老年痴呆症。国际阿尔茨海默病协会(ADI)颁布的“世界阿尔茨海默病2018年报告”指出：每隔3秒钟，全球将有一位老年人患阿尔茨海默病，产生认知障碍的问题。报告表明了2018年全球约有5千万人患有痴呆，到2050年，这一数字将增至1.52亿。2018年全球社会痴呆相关成本为1万亿美元，到2030年，这一数字将增至2万亿美元。而且因为AD的患病已到晚期的话，对于患者本人及患者家庭有巨大伤害，所以，“早期发现，早期治疗”一直是AD防治的首要原则。

轻度认知障碍(Mild Cognitive Impairment,MCI)可能是介于正常衰老和阿尔茨海默病之间的一种中间状态。研究表明，与年龄和社会经济条件相近的正常老人相比，轻度认知障碍患者的日常能力没有受到明显影响，但是轻度认知障碍患者存在轻度认知功能减退。与正常老人相比，轻度认知障碍患者患阿尔茨海默病的可能性大大增加。大部分的阿尔茨海默病患者确诊时为中度或者重度，治疗难度非常大，因此，轻度认知障碍阶段则是防治阿尔茨海默病的关键阶段。

核磁共振成像(Magnetic Resonance Imaging，MRI)作为一种当下很流行的神经成像方法，已广泛用于AD的辅助决策。《美国医学会杂志神经病学》(JAMA Neurology)的研究表明，阿尔兹海默病(AD)与静息态功能连接核磁共振成像而生成的默认模式网络的衰减相关。

机器学习是一门包含了概率论、统计学、算法复杂度、GPU并行计算等多门学科等多领域交叉学科，相关的算法包括决策树、提升方法、支持向量机(Support VectorMachines,SVM)、随机森林(Random Forest,RF)、聚类分析。机器学习对核磁共振成像分析起到了很重要的作用。目前，在阿尔茨海默病早期预测的技术领域，机器学习方法在分析核磁共振成像时有很好的效果。机器学习算法预测阿尔茨海默病能够达到很高的准确率。机器学习可以从MRI中提取阿尔茨海默病特征，包括与阿尔茨海默病相关的脑区的体积等信息。

基于深度学习分析核磁共振成像，从而对阿尔茨海默病进行预测，是一个近年来发展起来的技术领域。

发明内容

本发明的目的是解决上述现有技术的阿尔茨海默病早期预测的方法中，医学影像资料与相互脱节的问题，提出了一种基于核磁共振结构影像加权的阿尔茨海默病早期预测的方法及系统。其中临床资料包括：个人健康信息、实验室检测、电子病历等。

针对现有技术的不足，本发明提出一种基于核磁共振结构影像加权的决策支持方法，其中包括：

步骤1、使用已标注核磁共振结构影像作为训练数据，对卷积神经网络模型进行预训练，得到决策支持模型；

步骤2、根据待分析对象的临床资料通过数据库查询，得到该待分析对象患病的前置概率；