[发明专利]一种强迫症风险评估模型的构建方法、系统及设备有效

专利信息
申请号: 202010799518.1 申请日: 2020-08-11
公开(公告)号: CN112037914B 公开(公告)日: 2021-06-01
发明(设计)人: 彭子文;雷柏英;韦臻;杨鹏 申请(专利权)人: 深圳大学
主分类号: G16H50/30 分类号: G16H50/30;A61B5/00;A61B5/16;G16H20/70
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 朱阳波
地址: 518060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 强迫 风险 评估 模型 构建 方法 系统 设备
【说明书】:

发明提供了一种强迫症风险评估模型的构建方法、系统及设备,通过在组稀疏表示模型中增加组稀疏正则化和平滑正则化,构建稀疏网络;利用所述稀疏网络表示原始fMRI数据集中ROI序列对应的脑连接网络矩阵;利用脑连接网络矩阵对预设网络模型进行训练,得到训练完成的强迫症风险评估模型。由于本实施例中训练用的预设网络模型包括:脑部特征提取模块和分类模块,所述脑部特征提取模块基于DPN网络模型提取所述脑连接网络矩阵的边缘特征,因此本实施例构建出的强迫症风险评估模型可以更好的学习了特征内部的关系,降低了数据维度,减少数据处理复杂程度,提高了数据处理的效率和准确率,为强迫症风险评估提供了依据。

技术领域

本发明涉及医疗诊断技术领域,尤其涉及的是一种强迫症风险评估模型的构建方法、系统及设备。

背景技术

强迫症(OCD)是一种慢性遗传性精神病。强迫性思维或行为是强迫症患者的主要临床表现,这会降低患者的生活质量。根据临床研究,遗传因素和周围的社会环境可导致强迫症。患者未受影响的一级亲属(UFDR)是直系亲属,例如兄弟和父母。由于UFDR具有某些相同的OCD基因,并且他们生活在相似的环境中,因此UFDR也是OCD的高危人群。

现有的用于脑疾病早期诊断的强迫症风险评估模型中,多为基于机器学习构建出的强迫症风险评估模型。例如,Sen等人提出了一种利用皮尔森相关系数进行强迫症脑网络构建出的评估模型。然而,现有的评估框架不考虑将一级亲属作为高危人群进行判别,无法给出准确的风险评估结果。

因此,现有技术有待于进一步的改进。

发明内容

鉴于上述现有技术中的不足之处,本发明的目的在于提供一种强迫症风险评估模型的构建方法、系统及设备,克服现有技术中强迫症风险评估模型中在进行强迫症风险评估时未将一级亲属作为高危人群进行判别,判别准确度低的缺陷。

本发明实施例公开的方案如下:

第一方面,本实施例提供了一种强迫症风险评估模型的构建方法,其中,包括:

在组稀疏表示模型中增加组稀疏正则化和平滑正则化,构建稀疏网络;

利用所述稀疏网络表示原始fMRI数据集中ROI序列对应的脑连接网络矩阵;

利用脑连接网络矩阵对预设网络模型进行训练,得到训练完成的强迫症风险评估模型;

其中,所述预设网络模型包括:脑部特征提取模块和分类模块,所述脑部特征提取模块基于DPN网络模型提取所述脑连接网络矩阵的边缘特征;所述分类模块用于根据边缘权重融合特征得到与所述脑连接网络矩阵对应的检测分类信息,所述边缘权重融合特征为根据预设权重对所述边缘特征加权后得到。

可选的,所述稀疏网络的目标函数表达式为:

其中,表示第r个ROI的BOLD区域平均时间序列,Ar=[x1,...xr-1,xr+1,...xR]是包含来自除xr之外的所有R-1个ROI的数据的信号矩阵,wr=[w1,...wr-1,wr+1,...wR]为加权回归系数向量,||wr-wr+1||1将两个连续ROI之间的权重差,是wr的l2范数的总和。

可选的,所述利用脑连接网络矩阵对预设网络模型进行训练,得到训练完成的强迫症风险评估模型的步骤包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010799518.1/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top