[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

说明书

本发明涉及一种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，属于计算机应用技术领域。本发明通过建立两种新型动态脑功能网络，将基于图论的全脑功能网络与机器学习算法进行融合，能够更好捕捉帕金森患者的脑内功能连接信息，提高DBS术后效果预测的准确率。通过分析系统预测恢复效果与真实恢复效果之间的误差评估指标，大幅提升了预测效果。

技术领域

本发明涉及一种基于脑功能网络的帕金森患者DBS(脑深部电刺激术，Deep BrainStimulation，简称DBS)术后效果预测系统及预测方法，使用计算机通过帕金森患者fMRI影像信息融合基于图论的指标构建脑功能网络，实现对帕金森患者DBS术后效果的预测，属于计算机应用技术领域。

背景技术

目前，随着人口老龄化趋势发展，中老年人罹患帕金森病的数量逐年增加。作为神经系统退行性疾病之一的帕金森病，严重威胁着老年人生活质量。

在日常生活中，帕金森病常见的运动症状包含运动迟缓、冻结步态和四肢静止性震颤等，以及伴有认知功能障碍、睡眠障碍、抑郁或嗅觉变差等常见症状，给患者及其护理者带来了严重负担。手术治疗作为缓解帕金森病的有效手段之一，在提升患者生活质量中发挥了重要作用。

帕金森病作为典型的神经退行性疾病，其发展过程伴随着患者神经元与髓鞘的丧失。脑深部电刺激术(Deep Brain Stimulation，DBS)通过在大脑特定区域插入电极，并使电极发射电信号对周围组织进行刺激，以达到改善人体神经信号传输模式的目的。因其具有可逆性及可调节性的特点，被认为是治疗药物控制不佳帕金森病的理想疗法。但是，该类手术需在人体大脑内放置电极及体外调控设备，具有较高的经济成本，且属于有创手术，会面临出血、感染等相关风险，给患者带来不可避免的经济压力身体压力。

因此，开发一种帕金森DBS术后效果辅助评估系统，有效预测帕金森患者DBS术后的恢复效果，作为患者是否进行该手术的参考之一，十分必要。

目前，现有的帕金森DBS术后恢复效果预测系统所使用的技术手段，大多是基于对临床指标的统计分析，未结合帕金森病作为神经系统退行性疾病的特点，缺乏有效的生物标志物，预测效果不佳。尽管有一些基于fMRI的研究表明刺激区域到其他脑区的连接对患者DBS术后恢复效果有预测作用，但其未考虑全脑功能网络作为一个整体的协调作用，导致系统的预测效果较差。

发明内容

本发明的目的是为了克服现有的帕金森患者DBS术后恢复效果预测系统存在的不足，提出一种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，通过建立两种新型动态脑功能网络，融合基于图论的指标，能够更好捕捉帕金森患者的脑内功能连接信息，提高DBS术后效果预测的准确率。

本发明的创新点在于：提出一种新的预测系统，将基于图论的全脑功能网络与机器学习算法进行融合，实现在术前基于脑功能网络的帕金森患者DBS术后恢复效果预测。通过分析系统预测恢复效果与真实恢复效果之间的误差评估指标，大幅提升预测效果。

本发明设计的两种新型动态脑功能网络，具有以下优点：

采用滑动窗口策略构建动态脑功能网络，具有低时间粒度，考虑动态性因素，通过不同窗口构建的功能矩阵捕捉大脑在一段时间内动态的变化。

随机动态脑功能网络使用大小不同的窗口，具有多尺度的优势，能更为全面地提取不同小时间段内的动态特征。

基于图论的分析方法，依据脑图谱对大脑进行ROI划分，计算任意两个ROI间的最短路径长度时序序列或全局效率时序序列的皮尔逊相关系数作为最终脑网络中这两个ROI的脑连接强度，引入了各个ROI节点信息传输能力的相关关系。

本发明采用的技术方案如下：

一种基于脑功能网络的帕金森患者DBS术后效果预测系统，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。