[发明专利]基于脑功能网络的帕金森患者DBS术后效果预测系统及方法

权利要求书

1.基于脑功能网络的帕金森患者DBS术后效果预测系统，其特征在于，包括数据预处理模块、动态脑功能网络构建模块、特征筛选模块、预测模型训练模块和预测模块；

其中，数据预处理模块，负责对预处理后的患者MRI图像进行脑区ROI划分，以及生成ROI节点的BOLD时序信号，该模块的输入为患者的fMRI图像；

动态脑功能网络构建模块，负责根据BOLD时序信号构建固定动态脑功能网络和随机动态脑功能网络；该模块的输入为数据预处理模块生成的BOLD时序信号；

特征筛选模块，负责使用随机森林算法对输入的脑功能网络进行特征筛选；该模块的输入为动态脑功能网络构建模块生成的脑功能网络；

预测模型训练模块，负责进行回归模型训练；该模块的输入为特征筛选模块得到的脑功能网络的特征，以及相对应患者的术前UDPRS-III与术后UDPRS-III评分；

预测模块，负责利用回归模型进行患者DBS术后效果预测；该模块的输入为待预测患者的fMRI图像；

上述模块之间的连接关系为：

数据预处理模块的输出端与动态脑功能网络构建模块的输入端相连；

动态脑功能网络构建模块的输出端与特征筛选模块的输入端相连；

特征筛选模块的输出端与预测模型训练模块、预测模块的输入端分别相连；

预测模型训练模块的输出端与预测模块的输入端相连；

系统工作过程如下：

首先，向数据预处理模块输入多个病人的fMRI图像数据；数据预处理模块在进行数据预处理后，得到病人BOLD时间序列，发送给脑功能网络构建模块；

然后，脑功能网络构建模块根据病人BOLD时间序列，构建固定动态脑功能网络和随机动态脑功能网络，并输入至特征筛选模块；

之后，特征筛选模块利用随机森林算法，对病人的固定动态脑功能网络和随机动态脑功能网络进行特征筛选，得出病人的脑网络特征；

然后，预测模型训练模块根据病人的脑网络特征与该病人对应的术前UDPRS-III和术后UDPRS-III评分，进行回归模型训练，并将训练好的回归模型输入预测模块，用于后续预测使用；

当进行新患者术后效果预测时，向数据预处理模块输入患者的fMRI图像数据，然后，依次进行数据预处理、构建脑功能网络、特征筛选，在预测模块中利用训练好的回归模型，对患者的术后恢复情况进行预测。