基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法技术

本发明专利技术提供了基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法，涉及功能预测方法技术领域。本发明专利技术通过对痉挛型脑瘫儿童进行粗大运动功能分级系统评估；使用FSL软件对痉挛型脑瘫儿童的扩散张量成像数据处理得到各向异性分数；运用随机森林对T2加权液体衰减反转恢复成像评分表中的评分项及各向异性分数值进行特征筛选，并分别构建粗大运动功能预测模型；采用受试者工作特征曲线分析比较两种模型之间的预测效能，建立预测痉挛型脑瘫儿童粗大运动功能的MRI列线图；该预测方法有利于确定责任病灶；由基于T2‑

【技术实现步骤摘要】
基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法


[0001]本专利技术涉及功能预测方法
，尤其涉及基于MRI列线图预测痉 挛型脑瘫儿童粗大运动功能的方法。

技术介绍

[0002]脑性瘫痪(Cerebral palsy,CP)是儿童残疾最常见的原因，全世界大约 每1000个活产儿中有2
‑
3个发展成为脑瘫。在所有CP亚型中最常见的是 SCP。它包括产前发育期间发生的一系列非进行性脑损伤，常导致运动功能 受损等。与一般人群相比，CP儿童的生活及社会参与度与运动功能损伤的 严重程度成比例持续降低，其主要体现在粗大运动功能发育较迟，以及姿 势控制能力的下降。但目前对CP儿童粗大运动功能损伤评估及机制还尚不 确切。
[0003]粗大运动也称大运动，包括颈肌和腰肌的平衡动作以及爬行走、跑掷 跳等动作。目前最常用于评估脑瘫儿童粗大运动功能的量表为粗大运动功 能分级系统(Gross Motor Function Classification System,GMFCS)。但 GMFCS的评估依据具有年龄依赖性，导致处于年龄临界点的脑瘫儿童粗大 运动功能无法准确评定。并且生长期儿童粗大运动功能不断变化使GMFCS 评估结果不稳定。
[0004]MRI具有高对比度分辨率且无辐射的优点，是广泛使用的成像模式， 并广泛用于评估脑瘫儿童大脑损伤。结构磁共振成像(structural magneticresonance,sMRI)易于获得，且显示88％的脑瘫儿童存在颅脑异常。基于sMRI的大脑病灶可用于评估脑损伤和预测功能结局。在SCP研究中，FA 是最常用的具有临床意义的DTI指标且通过了可靠性分析。有大量的研究 证实在CP儿童中颅脑FA值广泛减低，且与粗大运动功能密切相关，并可 作为预测CP的潜在标志物。尽管存在这种可能性，但脑损伤分类及FA值 的广泛性不足以准确解释在脑瘫儿童中观察到的损伤变异性，不能明确与 运动功能相关的责任病灶，为临床实践提供的信息有限。运用机器学习的 RF算法有望解决这一大问题。RF算法是一种基于多棵决策树组合的集成 学习方法。其基础分类器单元是决策树，最终分类结果是由多棵决策树通 过投票的方式确定。这种利用多个基模型组合成一个模型的学习方法，能 够表现出优于传统分类算法的准确率和稳定性。此外，RF具有在分类任务 中可进行特征重要性评估的优点，即通过计算每个特征的重要性值，以便 除去冗余特征，找到对该类任务最相关的特征，从而提高分类准确度。近 年来RF算法广泛应用于许多科学领域和神经系统疾病，但其在CP预测中 的应用较少。
[0005]在本研究中我们利用随机森林的特征重要性评估及模型诊断效能指标
ꢀ‑
AUC值进行特征筛选。列线图(nomogram)是预测统计模型的图形描述， 已被用于评估各种疾病结局。已有研究证实列线图比其他工具有更好的性 能特征。本专利技术旨在通过RF方法筛选MRI客观指标，并纳入列线图构建 CP患儿粗大运动功能预测模型，进而判断CP患儿粗大运动功能损伤程度， 并探索SCP儿童颅脑中与粗大运动功能障碍相关的责任病灶。

技术实现思路

[0006]本专利技术针对现有技术的不足，提供了基于MRI列线图预测痉挛型脑瘫 儿童粗大运动功能的方法。
[0007]本专利技术通过以下技术手段实现解决上述技术问题的：
[0008]本专利技术提供了一种基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能 的方法，包括以下步骤：
[0009]S100、收集确诊的痉挛型脑瘫儿童，进行粗大运动功能分级系统评估， 并进行T2加权液体衰减反转恢复成像和扩散张量成像的颅脑磁共振检查；
[0010]S200、根据粗大运动功能分级系统将痉挛型脑瘫儿童分为粗大运动功 能轻度损伤和重度损伤两组；
[0011]S300、建立基于T2加权液体衰减反转恢复成像的MRI评分表，对痉挛 型脑瘫儿童颅脑损伤程度进行评价；
[0012]S400、使用FSL软件对痉挛型脑瘫儿童的扩散张量成像数据处理得到 各向异性分数；
[0013]S500、运用随机森林对T2加权液体衰减反转恢复成像评分表中的评分 项及各向异性分数值进行特征筛选，并分别构建粗大运动功能预测模型；
[0014]S600、采用受试者工作特征曲线分析比较两种模型之间的预测效能， 并进一步建立预测痉挛型脑瘫儿童粗大运动功能的MRI列线图；通过校准 图和受试者工作特征曲线评估列线图模型。
[0015]作为本专利技术进一步改进的方案，粗大运动功能分级系统Ⅰ、Ⅱ级为粗 大运动功能轻度损伤，粗大运动功能分级系统Ⅲ～
Ⅴ
级为粗大运动功能重度 损伤。
[0016]作为本专利技术进一步改进的方案，步骤S300中建立基于T2加权液体衰 减反转恢复成像的MRI评分表包括：选用检查设备、采集序列及参数、痉 挛型脑瘫儿童MRI评分；检查设备采用GE公司Signa 3.0T HDxt MR扫描 仪和八通道头部线圈。
[0017]作为本专利技术进一步改进的方案，步骤S400具体包括以下步骤：
[0018]1)将原始数据由DICOM格式转换为NIFTI格式；
[0019]2)采用仿射变换将扩散加权图像配准到b0像，以尽量减少涡流和头 部运动引起的失真；
[0020]3)进行涡流校正和头动校正，以排除梯度线圈的影响；
[0021]4)去除所有非脑组织，阈值取0.2；
[0022]5)对每个体素进行扩散张量模型估计和各向异性分数指标计算；
[0023]6)数据图像质控：通过目测原始弥散张量成像和各向异性分数图像进 行质量控制；
[0024]7)利用非线性和线性配准，将个体各向异性分数配准到标准空间；
[0025]8)基于JHU
‑
ICBM标记模板将白质分为50个脑区，提取各脑区各向 异性分数值。
[0026]作为本专利技术进一步改进的方案，步骤S500随机森林构建预测模型的过 程包括以下步骤：
[0027]1)在数据集中抽样，为每棵决策树分配训练集；
[0028]2)利用分配好的训练集独自构建决策树；
[0029]3)将所有决策树采用投票的方式参与判决，所得票数最多的类别将作 为当前随机森林分类器的最终输出结果。
[0030]作为本专利技术进一步改进的方案，步骤S500特征筛选根据决策树节点分 裂算法的原理，使用Gini不纯度指标来衡量模型构建过程中的特征重要程 度；具体算法见式(1
‑
1)：
[0031][0032]式中：Pj是节点n中j类的相对频率，对样本而言，表示第j类样本的 占比。
[0033]作为本专利技术进一步改进的方案，步骤S500随机森林对T2加权液体衰 减反转恢复成像评分表中的评分项及各向异性分数值进行粗大运动功能分 类，包括以下步骤：
[0034]1)使用筛选的特征和随机森林算法构建全特征模型；
[0035]2)对重要性程度进行排序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法，其特征在于，包括以下步骤：S100、收集确诊的痉挛型脑瘫儿童，进行粗大运动功能分级系统评估，并进行T2加权液体衰减反转恢复成像和扩散张量成像的颅脑磁共振检查；S200、根据粗大运动功能分级系统将痉挛型脑瘫儿童分为粗大运动功能轻度损伤和重度损伤两组；S300、建立基于T2加权液体衰减反转恢复成像的MRI评分表，对痉挛型脑瘫儿童颅脑损伤程度进行评价；S400、使用FSL软件对痉挛型脑瘫儿童的扩散张量成像数据处理得到各向异性分数；S500、运用随机森林对T2加权液体衰减反转恢复成像评分表中的评分项及各向异性分数值进行特征筛选，并分别构建粗大运动功能预测模型；S600、采用受试者工作特征曲线分析比较两种模型之间的预测效能，并进一步建立预测痉挛型脑瘫儿童粗大运动功能的MRI列线图；通过校准图和受试者工作特征曲线评估列线图模型。2.根据权利要求1所述的基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法，其特征在于，粗大运动功能分级系统Ⅰ、Ⅱ级为粗大运动功能轻度损伤，粗大运动功能分级系统Ⅲ～
Ⅴ
级为粗大运动功能重度损伤。3.根据权利要求1所述的基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法，其特征在于，步骤S300中建立基于T2加权液体衰减反转恢复成像的MRI评分表包括：选用检查设备、采集序列及参数、痉挛型脑瘫儿童MRI评分；检查设备采用GE公司Signa 3.0T HDxt MR扫描仪和八通道头部线圈。4.根据权利要求1所述的基于MRI列线图预测痉挛型脑瘫儿童粗大运动功能的方法，其特征在于，步骤S400具体包括以下步骤：1)将原始数据由DICOM格式转换为NIFTI格式；2)采用仿射变换将扩散加权图像配准到b0像，以尽量减少涡流和头部运动引起的失真；3)进行涡流校正和头动校正，以排除梯度线圈的影响；4)去除所有非脑组织，阈值取0.2；5)对每个体素进行扩散张量模型估计和各向异性分数指标计算；6)数据图像质控：通过目测原始弥散张量成像和各向异性分数图像进行质量控制；7)利用非线性和线性配准，将个体各向异性分数配准到标准空间；8)基于JHU
‑...

【专利技术属性】
技术研发人员：刘衡，杨阳，黄可忻，李邦国，张体江，
申请(专利权)人：遵义医科大学附属医院，
类型：发明
国别省市：