抑郁症症状预测变量的选择方法、计算机设备及存储介质
阅读说明：本技术 抑郁症症状预测变量的选择方法、计算机设备及存储介质 (Method for selecting depression symptom predictive variable, computer device and storage medium ) 是由 马小红 杨潇 赵连生 王敏 杜玥 于 2021-08-24 设计创作，主要内容包括：本发明属于抑郁症诊断技术领域,具体涉及一种抑郁症症状预测变量的选择方法、计算机设备及存储介质。本发明的方法包括如下步骤：对抑郁症患者和正常对照进行考察,采集一般资料、汉密尔顿抑郁量表评分和静息态功能磁共振成像扫描数据；在抑郁症患者接受治疗且个体临床症状缓解后,再次采集上述资料；对静息态功能磁共振成像扫描数据进行处理得到DC大脑图；根据得到的DC大脑图,分析抑郁症患者治疗前后大脑功能活动的变化,找到能够表征抑郁症症状缓解的变量。本发明进一步提供了实现上述方法的计算机设备。本发明能够为抑郁症的早期临床疗效预测提供客观支持依据,降低疾病的社会负担,具有很好的应用前景。(The invention belongs to the technical field of depression diagnosis, and particularly relates to a method for selecting a depression symptom predictive variable, computer equipment and a storage medium. The method of the invention comprises the following steps: inspecting depression patients and normal controls, and collecting general data, Hamilton depression scale scores and resting state functional magnetic resonance imaging scanning data; collecting the data again after the depression patients are treated and the individual clinical symptoms are relieved; processing resting state functional magnetic resonance imaging scanning data to obtain a DC brain map; and analyzing the change of the brain function activity of the depression patient before and after treatment according to the obtained DC cerebral graph, and finding out a variable capable of representing the relief of the depression symptom. The invention further provides computer equipment for implementing the method. The invention can provide objective support basis for early clinical curative effect prediction of depression, reduces social burden of diseases and has good application prospect.)
技术领域
本发明属于抑郁症诊断技术领域，具体涉及一种抑郁症症状预测变量的选择方法、计算机设备及存储介质。
背景技术
抑郁症是最常见的抑郁障碍，以显著而持久的心境低落为主要临床特征，是心境障碍的主要类型。每次发作持续至少2周以上、长者甚或数年，多数病例有反复发作的倾向，每次发作大多数可以缓解，部分可有残留症状或转为慢性。
抑郁症的治疗主要包括药物治疗、心理治疗和物理治疗等方法。在治疗后提前对治疗效果进行早期预测，有助于医生对治疗策略的选择和调整，提高治疗效果，降低疾病的社会负担。
静息态功能磁共振成像(rs-fMRI)是一种用于研究大脑内在功能连接或网络的方法。在过去的十年中，利用静息态功能磁共振成像对抑郁症患者的研究发现，一些大脑区域的异常在抑郁症的情绪处理和调节中非常重要，并且大脑中异常的功能连接可能受抗抑郁治疗的调节。
现有技术中，利用静息态功能磁共振成像探讨抑郁症与大脑区域异常之间关系的研究多采用基于种子的分析(JAMA psychiatry 70,373-382；Neuropsychopharmacology:official publication of the American College of Neuropsychopharmacology 30,1334-1344.)，即预先选择几个感兴趣的区域或网络进一步进行研究。但是，对于抑郁症而言，发生异常的神经靶点尚不清楚。并且，由于抑郁症病因复杂，这些发生异常的神经靶点可能随着个体的不同或治疗进程而发生变化。因而，上述现有技术中的方法难以准确地将抑郁症与大脑区域异常进行关联，进而无法用静息态功能磁共振成像的方法预测抑郁症症状后期的发展情况。
发明内容
针对现有技术中的困难，本发明提供一种抑郁症症状预测变量的选择方法、计算机设备及存储介质，目的在于对抑郁症患者的治疗效果及病情发展进行早期的预测。
一种抑郁症症状预测变量的选择方法，包括如下步骤：
步骤1，对抑郁症患者和正常对照进行考察，采集一般资料、汉密尔顿抑郁量表评分和静息态功能磁共振成像扫描数据；所述一般资料包括年龄、性别和和受教育年限；
步骤2，在抑郁症患者接受治疗且个体临床症状缓解后，再次对抑郁症患者和正常对照采集汉密尔顿抑郁量表评分和静息态功能磁共振成像扫描数据；
步骤3，对步骤1和步骤2采集得到的静息态功能磁共振成像扫描数据进行处理得到DC大脑图，通过步骤1采集的静息态功能磁共振成像扫描数据得到基线DC大脑图，通过步骤2采集的静息态功能磁共振成像扫描数据得到随访DC大脑图；
步骤4，根据步骤3得到的DC大脑图，分析抑郁症患者治疗前后大脑功能活动的变化，找到能够表征抑郁症症状缓解的变量。
优选的，步骤2中，确认抑郁症患者个体临床症状缓解的方法是在抑郁症患者接受治疗后使用汉密尔顿抑郁量表进行评估，得到汉密尔顿抑郁量表评分<7则判断为个体临床症状缓解。
优选的，步骤2中，抑郁症患者接受治疗后第8周、第24周和第48周分别使用汉密尔顿抑郁量表进行评估。
优选的，步骤3中，利用静息态功能磁共振成像扫描数据得到DC大脑图的步骤包括：
步骤3A，对静息态功能磁共振成像扫描数据进行预处理；
步骤3B，度中心指标分析：利用预处理后的静息态功能磁共振成像扫描数据，计算每对体素的血氧依赖信号时间序列之间的皮尔逊相关r，获得覆盖全脑的功能连接矩阵；
步骤3C，采用阈值法测量所述功能连接矩阵中功能连接的权重，按照r>0.25的阈值将所述功能连接矩阵换算成二值矩阵；
步骤3D，根据步骤3C得到的二值矩阵，计算每个体素的连接度D；
步骤3E，将步骤3D得到每个体素的连接度D进行Z转换得到DC大脑图。
优选的，步骤3A中，所述预处理包括：去除前10个时间点数据、层时间校正、头动校正估计、去除信号中的线性趋势和0.01–0.08Hz低通滤波中的至少一项；
和/或，步骤3E中，还对得到的DC大脑图进行标准化，所述标准化的方法为对所述DC大脑图进行6mm全宽半高高斯平滑。
优选的，步骤4具体包括如下步骤：
步骤4A，对步骤3得到的DC大脑图进行统计，将对抑郁症患者时点特异性功能改变的脑区作为中心节点；
步骤4B，分析所述中心节点与大脑各个区域的功能连接指标，分析抑郁症患者的基线DC大脑图和随访DC大脑图中所述功能连接指标的变化；
步骤4C，计算抑郁症患者治疗前和治疗后的HAMD减分率，计算公式为：
HAMD减分率＝[基线分数-随访分数]/基线分数×100％；
其中，所述基线分数为步骤1中使用汉密尔顿抑郁量表进行评估得到的HAMD评分，所述随访分数为步骤2中使用汉密尔顿抑郁量表进行评估得到的HAMD评分；
步骤4D，对步骤4B得到的功能连接指标的变化和步骤4C得到的HAMD减分率进行线性回归模型分析，得到与HAMD减分率相关的功能连接指标，即得能够表征抑郁症症状缓解的变量。
优选的，所述抑郁症患者时点特异性功能改变的脑区的确定方法为：
步骤4Aa，采用线性模型对步骤3得到的DC大脑图进行统计，所述线性模型以诊断×时点为自变量，以步骤1采集的一般资料为协变量；自变量中，所述诊断是指抑郁症患者或正常对照，所述时点是指基线DC大脑图或随访DC大脑图；
步骤4Ab，对步骤4Aa的统计结果中发现显著交互作用的区域进行简单效应分析，所述简单效应分析包括：抑郁症患者的基线DC图vs抑郁症患者的随访DC图、正常对照的基线DC图vs正常对照的随访DC图、抑郁症患者的基线DC图vs正常对照的基线DC图、抑郁症患者的随访DC图vs正常对照的随访DC图；将正常对照的基线DC图vs正常对照的随访DC图表现出显著功能改变的区域认定为时点改变特异性的区域；排除所述时点改变特异性的区域后，将抑郁症患者的基线DC图vs抑郁症患者的随访DC图表现出显著功能改变的区域认定为抑郁症患者时点特异性功能改变的脑区。
本发明还提供一种计算机设备，用于抑郁症症状预测变量的选择，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述抑郁症症状预测变量的选择方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现上述抑郁症症状预测变量的选择方法。
本发明中，所述“抑郁症症状预测变量”或“变量”是指从DC大脑图中所有中心节点与大脑各个区域的功能连接指标中选出的至少一个指标，该选出的指标与抑郁症患者的病情具有相关性。研究者(或医生)在获得所述“抑郁症症状预测变量”或“变量”后，能够进一步分析后续静息态功能磁共振成像测试中的该变量，实现对抑郁症患者后续的治疗效果及病情发展的预测和分析。本发明中，所述“显著”是指采用统计学分析p值小于0.05，例如：“显著交互作用”是指p值小于0.05的交互作用。
采用本发明的技术方案，能够通过使用度中心性(DC)的脑功能连接指标进行分析，将大脑视为一个庞大的、完整的网络，允许研究者(或医生)在不选择先验感兴趣的区域的情况下获得能够预测抑郁病患者个体抑郁症症状发展情况的变量。在后续对该抑郁病患者的诊断和治疗过程中，进一步对该抑郁症患者的其他检测数据(如后期的静息态功能磁共振成像扫描数据)中对应的变量进行分析，能够实现治疗效果及缓解期病情发展的早期预测。本发明在抑郁症患者的诊断和治疗中具有很好的应用前景。
显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
以下通过实施例形式的
具体实施方式
，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
图1为本发明实施例1的流程示意图；
图2为本发明实施例1的度中心性分析和时点的交互分析结果。
具体实施方式
需要特别说明的是，实施例中未具体说明的数据采集、传输、储存和处理等步骤的算法，以及未具体说明的硬件结构、电路连接等均可通过现有技术已公开的内容实现。
实施例1
本实施例提供一种抑郁症症状预测变量的选择方法及计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现抑郁症症状预测变量的选择方法。
抑郁症症状预测变量的选择方法的流程如图1所示，具体包括如下步骤：
步骤1，对抑郁症患者和正常对照进行考察，采集一般资料、汉密尔顿抑郁量表评分和静息态功能磁共振成像扫描数据；所述一般资料包括年龄、性别和和受教育年限；
步骤2，在抑郁症患者接受治疗且个体临床症状缓解后，再次对抑郁症患者和正常对照采集汉密尔顿抑郁量表评分和静息态功能磁共振成像扫描数据；确认抑郁症患者个体临床症状缓解的方法是在抑郁症患者接受治疗后第8周、第24周和第48周分别使用汉密尔顿抑郁量表进行评估，当得到HAMD评分<7时，则判断为个体临床症状缓解。
步骤3，对步骤1和步骤2采集得到的静息态功能磁共振成像扫描数据进行处理得到DC大脑图，通过步骤1采集的静息态功能磁共振成像扫描数据得到基线DC大脑图，通过步骤2采集的静息态功能磁共振成像扫描数据得到随访DC大脑图；
其中，利用静息态功能磁共振成像扫描数据得到DC大脑图的步骤包括：
步骤3A，对静息态功能磁共振成像扫描数据进行预处理；所述预处理包括：去除前10个时间点数据、层时间校正、头动校正估计、去除信号中的线性趋势和0.01–0.08Hz低通滤波中的至少一项；
步骤3B，度中心指标分析：利用预处理后的静息态功能磁共振成像扫描数据，计算每对体素的血氧依赖(blood oxygen level dependent，BOLD)信号时间序列之间的皮尔逊相关r，获得覆盖全脑的功能连接矩阵；
功能连接矩阵中的元素为r(i,j)，r(i,j)>0.25表示体素i和体素j之间存在一条功能连接。
步骤3C，采用阈值法测量所述功能连接矩阵中功能连接的权重，按照r>0.25的阈值将所述功能连接矩阵换算成二值矩阵；
二值矩阵中的元素为dij，当r(i,j)>0.25时，dij＝1；当r(i,j)≤0.25时，dij＝0。
步骤3D，根据步骤3C得到的二值矩阵，计算每个体素的连接度D；
对于任一体素i，其连接度为与之存在邻接功能连接的体素(j)的总数，连接度D的计算公式如下：
Di＝Σdij
其中，j＝1,2,…N，i≠j，N为体素的总数。
步骤3E，将步骤3D得到每个体素的连接度D进行Z转换得到DC大脑图，对得到的DC大脑图进行标准化，所述标准化的方法为对所述DC大脑图进行6mm全宽半高高斯平滑。
步骤4，根据所述治疗前的DC大脑图和治疗后的DC大脑图，分析治疗前后大脑功能活动的变化，找到能够表征抑郁症症状缓解的变量，具体步骤为：
步骤4A，对步骤3得到的DC大脑图进行统计，将对抑郁症患者时点特异性功能改变的脑区作为中心节点；
所述抑郁症患者时点特异性功能改变的脑区的确定方法为：
步骤4Aa，采用SPM8软件中的线性模型对步骤3得到的DC大脑图进行统计，所述线性模型以诊断×时点为自变量，以步骤1采集的一般资料为协变量；自变量中，所述诊断是指抑郁症患者或正常对照，所述时点是指基线DC大脑图或随访DC大脑图；
步骤4Ab，对步骤4Aa的统计结果中发现显著交互作用的区域进行简单效应分析，所述简单效应分析包括：抑郁症患者的基线DC图vs抑郁症患者的随访DC图、正常对照的基线DC图vs正常对照的随访DC图、抑郁症患者的基线DC图vs正常对照的基线DC图、抑郁症患者的随访DC图vs正常对照的随访DC图；将正常对照的基线DC图vs正常对照的随访DC图表现出显著功能改变的区域认定为时点改变特异性的区域；排除所述时点改变特异性的区域后，将抑郁症患者的基线DC图vs抑郁症患者的随访DC图表现出显著功能改变的区域认定为抑郁症患者时点特异性功能改变的脑区。
步骤4B，分析所述中心节点与大脑各个区域的功能连接指标，分析抑郁症患者的基线DC大脑图和随访DC大脑图中所述功能连接指标的变化；
步骤4C，计算抑郁症患者治疗前和治疗后的HAMD减分率，计算公式为：
HAMD减分率＝[基线分数-随访分数]/基线分数×100％；
其中，所述基线分数为步骤1中使用汉密尔顿抑郁量表进行评估得到的HAMD评分，所述随访分数为步骤2中使用汉密尔顿抑郁量表进行评估得到的HAMD评分；
步骤4D，对步骤4B得到的功能连接指标的变化和步骤4C得到的HAMD减分率进行线性回归模型分析，得到与HAMD减分率相关的功能连接指标，即得能够表征抑郁症症状缓解的变量。所述“与HAMD减分率相关”是指在回归分析中与因变量(HAMD减分率)变化的关系有统计学意义。
采用上述方法对某抑郁症患者进行变量选择的实例如图2所示，图2为步骤4Aa中的诊断×时点的交互作用分析图，其中，(A)为左侧颞下回、(B)为右侧小脑脚、(C)为左侧舌回、(D)为左侧背侧内侧前额叶回。L表示左侧大脑半球，R表示右侧大脑半球。
进一步回归分析发现，图2所示D脑区，即左侧背侧内侧前额叶回的DC变化，与抑郁症患者临床症状缓解程度相关(B＝3.404,p<0.001)。
通过上述实施例可以看到，本发明针对抑郁症患者个体，在无需选择先验感兴趣的区域的情况下，可获得最能够准确预测其抑郁症治疗效果及缓解期病情发展的变量。研究者(或医生)在获得该变量后，进一步对该抑郁症患者的其他检测数据(如后期的静息态功能磁共振成像扫描数据)中对应的变量进行分析，能够对抑郁症患者后期的治疗效果及抑郁症能否缓解做出预测。本发明能够为抑郁症的早期临床疗效预测提供客观支持依据，降低疾病的社会负担，具有很好的应用前景。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种主流呼末端二氧化碳检测装置