[发明专利]基于荟萃分析的脑疾病判断系统和判断装置

说明书

本发明公开了一种基于荟萃分析的脑疾病判断系统，包括：重要种子点确定模块，用于采用文献荟萃分析法确定与指定脑疾病相关的重要种子点；大脑损伤环路建立模块，用于对同一重要种子点对应的大脑簇并集采用MKDA算法估计收敛域；所有收敛域的并集构成大脑损伤环路；聚类模块，用于对大脑损伤环路中的体素进行聚类；低维特征空间构建模块，用于根据每个被试的功能连接信息，通过降维构建低维特征空间；测试者低维特征向量获取模块，用于根据测试者功能连接信息获取低维特征向量；分类器，用于根据测试者低维特征向量判断是否有指定脑疾病。该系统能够克服小样本和全脑数据驱动的机器学习模型鲁棒性和泛化性较差的缺陷，对指定脑疾病进行判断。

技术领域

本发明属于文献和脑成像数据挖掘技术领域，具体涉及一种基于荟萃分析的脑疾病判断系统和判断装置。

背景技术

随着神经影像和机器学习的发展，将人工智能模型用于辅助临床决策作为一个新的科技发展热点。神经影像包括磁共振成像、脑电图、脑磁图等。通过这些神经影像技术可以对大脑的结构和功能进行定量测量和描述，具备非侵入式，空间分辨率高等优势。这些方法的优势在于可以利用医学脑成像技术来找到临床所急缺的生物学标记物，而机器学习的强大的计算分析技术能够在此基础上实现精准治疗。

但是，对于一些非器质性损伤的精神类疾病，如抑郁症等，无法像癫痫、卒中等其他神经疾病一张找到具体的损伤靶点。另外，由于脑影像学受限于扫描仪器、扫描参数，小样本等原因，脑影像的指标结果一致性不高，无法通过脑影像直接进行临床诊断。

发明内容

发明目的：本发明旨在提供一种脑疾病的判断系统，该系统能够解决现有小样本和全脑数据驱动的机器学习模型的鲁棒性和泛化性较差的问题，对指定脑疾病进行判断。

技术方案：本发明一方面公开了一种基于荟萃分析的脑疾病判断系统，包括：

重要种子点确定模块1，用于采用文献荟萃分析法确定与指定脑疾病相关的重要种子点，以及每个重要种子点对应的大脑簇及大脑簇中体素的坐标点；将所有坐标点转换到统一的坐标系下；

所述重要种子点为文献荟萃分析法检索到的文献列表中，至少N个文献报告的种子点；

大脑损伤环路建立模块2，用于对同一重要种子点对应的大脑簇并集采用MKDA算法估计收敛域；所有重要种子点对应的收敛域的并集构成大脑损伤环路；

聚类模块3，用于对大脑损伤环路中的体素进行聚类，得到多个体素社团；

低维特征空间构建模块4，用于根据每个被试每个体素社团的功能连接信息，采用PCA算法降维构建低维特征空间；

测试者低维特征向量获取模块5，用于根据测试者每个体素社团的功能连接信息获取低维特征向量；

分类器6，用于根据测试者低维特征向量判断是否有指定脑疾病；所述分类器由每个被试的低维特征向量和对应的类别标签所构成的训练集训练；所述类别标签为二值变量，表示是否有指定脑疾病；

所述重要种子点确定模块1采用文献荟萃分析法确定与指定脑疾病相关的重要种子点的步骤为：

S1.1、设置检索条件，在生物医学数据库中检索与指定脑疾病相关的文献；所述检索条件为同时满足如下C1-C3三个条件：

C1、基于静息态功能磁共振数据；

C2、统计比较的两组分别为：患有指定脑疾病的患者和健康对照组；

C3、计算的指标为基于种子点的全脑功能连接；

S1.2、选择S1.1检索的文献中具有显著性结果的文献构成检索文献列表；

S1.3、统计检索文献列表中报告的种子点和对应的大脑簇，至少N个文献报告的种子点为重要种子点。