阅读说明：本技术 一种经颅直流电刺激的干预方法 (Intervention method of transcranial direct current stimulation ) 是由 姚乃琳 于 2020-07-27 设计创作，主要内容包括：本发明公开了一种经颅直流电刺激的干预方法。它具体包括如下步骤：用磁共振脑成像获得个体大脑结构和功能影像,收集弥散张量影像和4D功能影像数据,并用脑网络分析方法将数据解构为大脑结构网络和大脑功能网络；通过脑网络分析方法分析得出个体大脑不同区域的连接紧密程度及活跃程度,据此得出个体症状对应的大脑网络异常；通过脑网络AI算法基于大脑结构网络和大脑功能网络两个方面的影像数据分析脑影像多人大数据,对tDCS经典干预方式有积极反应的大脑网络分布形态特征被抓取,并用于识别新个体的大脑积极反应可能性,从而预先判断经典tDCS干预范式是否对该个体有效。本发明的有益效果是：避免医疗资源浪费；增加临床反应比例,提升治疗效果。(The invention discloses an intervention method of transcranial direct current stimulation. The method specifically comprises the following steps: acquiring individual brain structure and function images by magnetic resonance brain imaging, collecting diffusion tensor images and 4D function image data, and deconstructing the data into a brain structure network and a brain function network by using a brain network analysis method; analyzing the connection tightness and the activity degree of different areas of the individual brain by a brain network analysis method, and accordingly obtaining the brain network abnormality corresponding to individual symptoms; the brain image multi-person big data is analyzed through a brain network AI algorithm based on image data of a brain structure network and a brain function network, brain network distribution morphological characteristics which have positive response to a tDCS classical intervention mode are captured and used for identifying the brain positive response possibility of a new individual, and therefore whether a classical tDCS intervention paradigm is effective for the individual is judged in advance. The invention has the beneficial effects that: medical resource waste is avoided; increase the clinical reaction proportion and improve the treatment effect.)

一种经颅直流电刺激的干预方法

技术领域

本发明涉及经颅电刺激相关技术领域，尤其是指一种经颅直流电刺激的干预方法。

背景技术

经颅电刺激(transcranial electrical stimulation，tES)通过在头颅表面的导电贴板向脑内传递低强度电流(1~2 mA)，以达到提高或降低神经元的兴奋性来调控脑区的活动。经颅直流电刺激（tDCS）是经颅电刺激的一种经典使用范式，在研究领域和临床应用中都被证明可以有效改善抑郁、焦虑等情绪问题，及改善认知功能（注意力、语言能力和记忆力等）。例如2006年首个双盲随机对照试验发现用经颅直流电刺激（tDCS）刺激左侧背外侧前额叶(DLPFC)可缓解抑郁症患者60%~70%的症状。在2008年另一项研究发现tDCS对抑郁症状的改善可以维持30天左右。

现有经颅直流电刺激（tDCS）技术虽然在临床上表现出一定的有效率，但是并不是每个被干预的患者都有积极的治疗反应。事实上，有30%-50%的焦虑或抑郁患者在接受5-15天的特定范式的tDCS干预后，没有表现出明显的治疗效果。这是因为每个人的大脑功能图谱结构不同，不同人情绪问题可能对应的神经网络是迥异的，这就导致同样的治疗范式无法适用于所有具有相同临床情绪异常表现的患者。

精准医疗是近5年来医学领域在全世界范围内积极推动的诊疗概念，它的理论基础在于，相同生理/心理症状对应到每个个体，内在的生理机制可能迥然不同，而同样的内在生理病变，在不同个体身上也可能有完全不同的症状表现形式。因此，同样的诊疗方案往往只能在一部分人中有效，而对另一部分人完全无效。精准医疗是在制定治疗方案前，通过详细测评来了解个体差异，从而预先制定精准对应个体的诊疗方案，做到有的放矢的治疗，从而极大提升治疗效果。

而在传统的tDCS干预中，由于缺乏对个体的精准测评和对应个性化方案的制定，使得医疗资源和个人时间都受到难以避免的浪费。在最近30年的脑影像研究积累下发现，抑郁、焦虑等情绪问题，专注力缺失等认知障碍都分别对应着不同的脑网络异常，而情绪问题和认知问题的改善也通常对应着脑网络的变化。因此，预先检测脑网络的异常特征有助于判断特定的治疗方案是否可能给该个体带来积极的治疗效果。

发明内容

本发明是为了克服现有技术中存在上述的不足，提供了一种提升治疗效果的经颅直流电刺激的干预方法。

为了实现上述目的，本发明采用以下技术方案：

一种经颅直流电刺激的干预方法，具体包括如下步骤：

（1）用磁共振脑成像获得个体大脑结构和功能影像，收集弥散张量影像和4D功能影像数据，并用脑网络分析方法将数据解构为大脑结构网络和大脑功能网络；

（2）通过脑网络分析方法分析得出个体大脑不同区域的连接紧密程度及活跃程度，并与个体的主观体验症状和经颅直流电刺激的干预效果做相关联的分析，据此得出个体症状对应的大脑网络异常及干预有效性；

（3）通过脑网络AI算法基于大脑结构网络和大脑功能网络两个方面的影像数据分析脑影像多人大数据，对tDCS经典干预方式有积极反应的大脑网络分布形态特征被抓取，并用于识别新个体的大脑积极反应可能性，从而预先判断经典tDCS干预范式是否对该个体有效。

本方法结合非侵入式的脑网络检测（磁共振扫描及脑网络分析），预先评估tDCS对个体的治疗反应率，从而达到有的放矢地应用tDCS干预情绪问题的目的，简单来说，就是有针对性地排除可能对tDCS干预无反应的个体，极大地避免了医疗资源的浪费；针对特定个体的脑网络适配不同的tDCS干预方案，可明显增加临床反应比例，提升治疗效果。

作为优选，所述的大脑网络结构指的是神经纤维网络结构，其成像方法为水分子弥散张量成像，绘制大脑不同区域间神经纤维的连接强度及整个大脑的白质神经网络结构，计算中部分各项异性指标，即大脑组织中水分子在各个方向上的***程度，该指标用于判断组织为神经元还是神经纤维，被用于构建结构网络。

作为优选，所述的大脑功能网络结构是通过记录大脑皮层内部的血氧饱和度绘制出随着时间变化的大脑4维灰度影像，然后提取不同脑区即体素点的灰度值随时间变化的数值序列，计算出体素之间的相关度，从而得出大脑前额叶注意网络和凸显网络左右半球的整合度，整合度根据小世界网络的各特征值表示，其中小世界网络是一类特殊的网络结构，在这种网络中大部分的节点彼此并不相连，但绝大部分节点之间经过少数几步就可到达，大脑网络结构符合小世界网络特征，故可由此计算出大脑的小世界网络特征值。

作为优选，所述网络的特征值指的是聚类系数和特征路径，其中聚类系数是描述小世界网络的一个特征值，用来描述一个网络中的顶点之间结集成团的程度的系数，具体来说，是一个点的邻接点之间相互连接的程度；特征路径也是描述小世界网络的一个特征值，指的是一个网络中两点之间最短路径长度的平均值；网络的特征值被提取出来和tDCS不同范式的治疗效果做相关分析，得出和tDCS治疗效果关联度最大的脑网络特征值组合，然后用于在新个体中检验预测效果，最终得到的预测效果最优的脑网络特征被继续用于新个体的精准方案制定。

本发明的有益效果是：针对性地排除可能对tDCS干预无反应的个体，极大地避免了医疗资源的浪费；针对特定个体的脑网络适配不同的tDCS干预方案，可明显增加临床反应比例，提升治疗效果。

具体实施方式

下面结合具体实施方式对本发明做进一步的描述。

一种经颅直流电刺激的干预方法，具体包括如下步骤：

（1）用磁共振脑成像获得个体大脑结构和功能影像，收集弥散张量影像和4D功能影像数据，并用脑网络分析方法将数据解构为大脑结构网络和大脑功能网络；

（2）通过脑网络分析方法分析得出个体大脑不同区域的连接紧密程度及活跃程度，并与个体的主观体验症状和经颅直流电刺激的干预效果做相关联的分析，据此得出个体症状对应的大脑网络异常及干预有效性，测量指标包括大脑额叶左右半球网络平衡程度、大脑各局域网整合度等等；

（3）通过脑网络AI算法基于大脑结构网络和大脑功能网络两个方面的影像数据分析脑影像多人大数据，对tDCS经典干预方式有积极反应的大脑网络分布形态特征被抓取，并用于识别新个体的大脑积极反应可能性，从而预先判断经典tDCS干预范式是否对该个体有效；同理，该方法进一步用于判别其他tDCS干预范式可能有效的个体。

本技术方案结合脑网络AI算法和经颅电刺激方法，可做到比现有方法更精准的tDCS干预方案的制定和实施，有效避免了医疗资源和患者个人时间的浪费。基于以上大脑结构网络和功能网络特征的脑网络AI算法，判断最适合新个体的tDCS治疗方案。

大脑网络结构指的是神经纤维网络结构，其成像方法为水分子弥散张量成像，绘制大脑不同区域间神经纤维的连接强度及整个大脑的白质神经网络结构，计算中部分各项异性指标（FA），即大脑组织中水分子在各个方向上的***程度，该指标用于判断组织为神经元还是神经纤维，被用于构建结构网络。

大脑功能网络结构是通过记录大脑皮层内部的血氧饱和度绘制出随着时间变化的大脑4维灰度影像，然后提取不同脑区即体素点的灰度值随时间变化的数值序列，计算出体素之间的相关度，从而得出大脑前额叶注意网络和凸显网络左右半球的整合度，整合度根据小世界网络的各特征值表示，其中小世界网络是一类特殊的网络结构，在这种网络中大部分的节点彼此并不相连，但绝大部分节点之间经过少数几步就可到达，大脑网络结构符合小世界网络特征，故可由此计算出大脑的小世界网络特征值。

网络的特征值指的是聚类系数和特征路径，其中聚类系数是描述小世界网络的一个特征值，用来描述一个网络中的顶点之间结集成团的程度的系数，具体来说，是一个点的邻接点之间相互连接的程度；特征路径也是描述小世界网络的一个特征值，指的是一个网络中两点之间最短路径长度（或称距离）的平均值；网络的特征值被提取出来和tDCS不同范式的治疗效果做相关分析，得出和tDCS治疗效果关联度最大的脑网络特征值组合，然后用于在新个体中检验预测效果，最终得到的预测效果最优的脑网络特征为包括但不限于大脑左右半球额叶网络的平衡程度，网络平衡特征值被继续用于新个体的精准方案制定。

本方法结合非侵入式的脑网络检测（磁共振扫描及脑网络分析），预先评估tDCS对个体的治疗反应率，从而达到有的放矢地应用tDCS干预情绪问题的目的，简单来说，就是有针对性地排除可能对tDCS干预无反应的个体，极大地避免了医疗资源的浪费；针对特定个体的脑网络适配不同的tDCS干预方案，可明显增加临床反应比例，提升治疗效果。