基于手节结构MRI的脑瘫儿童手功能评估方法技术

本发明专利技术提供了基于手节结构MRI的脑瘫儿童手功能评估方法，该评估方法，包括以下步骤：S1、数据采集，采集对象为若干名脑瘫儿童，对若干名脑瘫儿童进行磁共振成像检查，S2、手节形态分析，根据T1

【技术实现步骤摘要】
基于手节结构MRI的脑瘫儿童手功能评估方法


[0001]本专利技术涉及脑瘫儿童手功能评估
，尤其涉及基于手节结构MRI的脑瘫儿童手功能评估方法。

技术介绍

[0002]脑性瘫痪是儿童时期最常见的运动障碍性疾病，运动功能障碍是脑性瘫痪儿童成年以后生活质量受影响的主要因素，而良好的手功能对于日常活动、交流和独立的社会能力至关重要，所以手功能始终是脑性瘫痪研究中重要领域。
[0003]手是人类探索一切事物的重要工具，手功能的完整性是完成基本日常活动，进行正常人际交流、情感沟通的必备条件。对照永久性功能障碍分级标准，人的上肢功能占全身功能的60％，手功能则占上肢功能的90％。然而，至少有2/3的脑性瘫痪儿童有单侧或双侧上肢的运动困难，主要表现日常生活中手的基本功能的损伤，比如伸手、抓握和释放等，这些不同程度地影响了脑性瘫痪儿童的日常生活能力与自理能力，从而使其生存质量大大下降。同时儿童时期手功能受限被认为是脑性瘫痪儿童成年后参与日常活动能力的最强预测因素之一，因此客观、精准地评估脑性瘫痪儿童手功能对提高脑性瘫痪儿童生活质量具有重要意义。
[0004]但是，目前最常用的脑性瘫痪儿童手功能分级方法，是手功能分级系统回波时间，手功能分级系统，但其存在人工分级主观性强等特点，对脑瘫儿童手功能的客观评估以及早期全面了解脑瘫儿童手功能情况，制定科学合理的手功能训练计划，针对性地加强手功能训练存在很大的不足。因此找出更客观的手功能评估指标成为临床亟待解决的重要问题。

技术实现思路

[0005]本专利技术针对现有技术的不足，提供了基于手节结构MRI的脑瘫儿童手功能评估方法。
[0006]本专利技术通过以下技术手段实现解决上述技术问题的：基于手节结构MRI的脑瘫儿童手功能评估方法，包括以下步骤：
[0007]S1、数据采集，采集对象为若干名脑瘫儿童，对若干名脑瘫儿童进行磁共振成像检查，获取T2
‑
液体衰减反转恢复序列、T1
‑
加权三维成像序列，用手功能分级系统对每一个入组的脑性瘫痪儿童的手功能进行分级评估；
[0008]S2、手节形态分析，根据T1
‑
加权三维成像序列确定手节形态，手节形态包括：倒Ω形、ω形、内侧不对称ω形、外侧不对称ω形和线形、多峰形；
[0009]S3、测量手节形态指标，根据T1
‑
加权三维成像序列测量所述手节形态指标；
[0010]S4、确定手功能损伤分型，根据T2
‑
液体衰减反转恢复序列确定磁共振成像手功能损伤分型；
[0011]S5、建立模型，将手功能损伤分型作为分层变量，按照比例进行分层随机抽样，将
研究人群分为训练集和验证集，建立模型包括：
[0012]建立手节评分模型，将训练集中将手功能损伤分型作为结局变量，手节形态指标作为自变量并进行归一化后，使用5折交叉验证，选取方差最小时对应的λ值，构建Logistic岭回归模型，并使用该模型系数计算各个样本的线性预测值，作为手节评分；
[0013]建立临床特征模型，将训练集中将手功能损伤分型作为结局变量，临床特征作为自变量，建立单因素和多因素Logistic回归模型；从单因素Logistic回归模型中筛选出P<0.05的因素，纳入多因素Logistic回归模型，并采用逐步回归法得到最佳模型；选择赤池信息量准则作为模型的选择准则，使用Hosmer
‑
Lemeshow检验拟合优度；
[0014]建立手节评分临床特征联合模型，将训练集中手功能损伤分型作为结局变量，手节评分和临床特征作为自变量，建立单因素和多因素Logistic回归模型，并采用逐步回归法得到最佳模型；
[0015]分别建立各个模型受试者工作特征曲线，分别计算训练集和验证集的曲线下面积、灵敏度、特异度、阳性预测值和阴性预测值，评价预测效果；
[0016]S6、模型可视化，选择最佳模型建立评估手功能损伤分型的诺模图，采用Bootstrap法对最佳模型进行内部验证并绘制校准曲线。
[0017]进一步地，步骤S1中采集对象纳分为病例组与对照组，病例组纳入标准包括，年龄2～12岁、符合中国2014年脑性瘫痪CP诊断标准；病例组排除标准包括，磁共振检查禁忌症、上肢手术史、6个月内上肢行肉毒素治疗、神经病史、外伤、肿瘤、感染、缺乏手功能分级资料及患儿脑瘫临床类型不清、颅脑发育畸形致手节结构显示不清、MR图像存在运动伪影；
[0018]对照组纳入标准包括，年龄2～12岁、常规颅脑MR检查结果阴性、手功能正常；对照组排除标准包括：MR图像存在运动伪影。
[0019]进一步地，完成采集对象纳入后，磁共振成像检查当天，由医师使用手功能分级系统对每一个入组的脑性瘫痪儿童的手功能进行分级评估；手功能分级系统分级包括，Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、
Ⅴ
级，Ⅰ级、Ⅱ级、Ⅲ级为手功能轻度损伤组，手功能分级系统Ⅳ级、
Ⅴ
级为手功能重度损伤组。
[0020]进一步地，在步骤S1中，对若干名脑瘫儿童进行磁共振成像检查前，对MR检查的脑瘫儿童在检查前一天进行睡眠剥夺，或将于扫描前30min给予10％水合氯醛口服或灌肠或苯巴比妥注射液肌注。
[0021]进一步地，所述多峰形局域大于三条裂隙。
[0022]进一步地，步骤S3中，测量手节形态指标包括：手节基底部的宽度、手节高度、手节距中线的距离、手节皮层厚度、手节白质高度；ab为手节宽度，cd为手节高度，ce为手节距中线的距离，gf为手节皮层厚度，cd－gf为手节白质高度。
[0023]进一步地，步骤S4中手功能损伤分型分为5类：白质损伤、灰质病变、白质+灰质病变、小脑损伤及未见异常。
[0024]进一步地，步骤S5中将手功能损伤分型作为分层变量，按照2:1比例进行分层随机抽样。
[0025]进一步地，步骤S5中临床特征包括，脑性瘫痪儿童年龄、胎龄、性别、脑性瘫痪临床类型、磁共振成像损伤类型。
[0026]进一步地，步骤S5中手节评分计算公式如下：
[0027]手节评分＝\beta_0+\beta_1x_1+\beta_2x_2+\beta_3x_3+\cdots+\beta_nx_n；
[0028]score为手节评分。
[0029]本专利技术的有益效果：
[0030]本专利技术，探究手节与手功能的关系，手节形态在手功能损伤程度中的分布有一定趋势，即倒Ω形、内不对称ω形、多峰形手节这三种手节的脑性瘫痪儿童手功能损伤程度轻；而在基于手节结构指标与脑性瘫痪儿童临床特征建立预测手功能损伤程度的模型中得出，手节评分
‑
临床特征联合模型能够实现个体化评估脑性瘫痪儿童手功能损伤程度，也能够增强临床评估的客观性，采用手节评分
‑
临床特征联合模型可对脑性瘫痪儿童的手功能损伤程度进行初步评估。
附图说明
[0031]图1为本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于手节结构MRI的脑瘫儿童手功能评估方法，其特征在于，包括以下步骤：S1、数据采集，采集对象为若干名脑瘫儿童，对若干名脑瘫儿童进行磁共振成像检查，获取T2
‑
液体衰减反转恢复序列、T1
‑
加权三维成像序列，用手功能分级系统对每一个入组的脑性瘫痪儿童的手功能进行分级评估；S2、手节形态分析，根据T1
‑
加权三维成像序列确定手节形态，手节形态包括：倒Ω形、ω形、内侧不对称ω形、外侧不对称ω形和线形、多峰形；S3、测量手节形态指标，根据T1
‑
加权三维成像序列测量所述手节形态指标；S4、确定手功能损伤分型，根据T2
‑
液体衰减反转恢复序列确定磁共振成像手功能损伤分型；S5、建立模型，将手功能损伤分型作为分层变量，按照比例进行分层随机抽样，将研究人群分为训练集和验证集，建立模型包括：建立手节评分模型，将训练集中将手功能损伤分型作为结局变量，手节形态指标作为自变量并进行归一化后，使用5折交叉验证，选取方差最小时对应的λ值，构建Logistic岭回归模型，并使用该模型系数计算各个样本的线性预测值，作为手节评分；建立临床特征模型，将训练集中将手功能损伤分型作为结局变量，临床特征作为自变量，建立单因素和多因素Logistic回归模型；从单因素Logistic回归模型中筛选出P<0.05的因素，纳入多因素Logistic回归模型，并采用逐步回归法得到最佳模型；选择赤池信息量准则作为模型的选择准则，使用Hosmer
‑
Lemeshow检验拟合优度；建立手节评分临床特征联合模型，将训练集中手功能损伤分型作为结局变量，手节评分和临床特征作为自变量，建立单因素和多因素Logistic回归模型，并采用逐步回归法得到最佳模型；分别建立各个模型受试者工作特征曲线，分别计算训练集和验证集的曲线下面积、灵敏度、特异度、阳性预测值和阴性预测值，评价预测效果；S6、模型可视化，选择最佳模型建立评估手功能损伤分型的诺模图，采用Bootstrap法对最佳模型进行内部验证并绘制校准曲线。2.根据权利要求1所述的基于手节结构MRI的脑瘫儿童手功能评估方法，其特征在于，步骤S1中采集对象纳分为病例组与对照组，病例组纳入标准包括，年龄2～12岁、符合中国2014年脑性瘫痪CP诊断标准；病例组排除标准包括，磁共振检查禁忌症、上肢手术...

【专利技术属性】
技术研发人员：刘衡，张晶晶，何成，杨艳丽，彭莹，刘小清，
申请(专利权)人：遵义医科大学附属医院，
类型：发明
国别省市：