【技术实现步骤摘要】
本专利技术涉及图像处理，具体地说，涉及一种基于临床-影像组学模型预测帕金森病dbs疗效的方法。
技术介绍
1、帕金森病(pd)是一种与年龄相关的中枢神经系统退行性疾病，以运动迟缓、僵直和震颤等运动症状为特征，严重影响患者的生活质量和独立生活能力。药物治疗是帕金森病发病初期的首选治疗方法，但随着病情的发展，其疗效会逐渐下降，并且会出现药物不良反应。对于帕金森病的中晚期，脑深部刺激(dbs)仍是最有效的治疗策略，因为它对运动功能有明显改善。成功应用dbs治疗帕金森病的关键在于选择能从该疗法中获益的患者。
2、对多巴胺能药物的反应一直被用作帕金森病诊断和术前评估的客观指标。通常情况下，如果患者在用药状态下的统一帕金森病评分量表(updrs)iii评分比停药状态下降低30％，就可以考虑使用dbs。对于某些对多巴胺能药物有反应的帕金森病患者，特别是那些以震颤为主要表现的患者，药物治疗的有效性需要大剂量的左旋多巴，而这些患者获得药物治疗的能力有限。事实上，探索新的客观临床指标以帮助预测dbs对帕金森病患者的治疗效果具有重要的临床意义。然而，由于帕金森病患者的临床和神经影像学表现各不相同，因此很难客观地评估dbs的术后疗效。
3、最近，丘脑底核(stn)被公认为是dbs治疗帕金森病的关键治疗靶点，因为该核团为靶点不仅能改善临床症状，还能显著减少左旋多巴的用量。stn是一个神经元密集、血管高度发达的结构，位于大脑脚和内囊之间，术前t2-mri尤其是冠状切面上可以准确看到该核团形状。作为基底神经节回路的中心枢纽和dbs的靶
4、mri是应用最广泛的无创诊断测试，也是最常用的手术靶点定位方法，用于dbs术前成像。人工智能的发展逐渐推动了影像组学在医学影像领域的应用，使其成为一个研究领域，并能通过高效的计算方法捕捉组织和病理特征。最近，一些研究表明，通过分析脑形态学和黑质影像组学特征，可以预测帕金森病患者对stn-dbs治疗的初始反应和术后运动疗效，从而提供了一种潜在的个体化预测方法。由于基于mri的放射组学在pd的预后和治疗评估中的潜在作用，有必要建立放射组学生物标志物来预测dbs术后pd患者的预后并评估手术候选者。在术前t2-mri上，stn在pd患者中存在异质性，但目前还没有研究利用最便捷的成像数据(stn的t2mri图像)来预测pd患者的术后改善情况。
技术实现思路
1、本专利技术的内容是提供一种基于临床-影像组学模型预测帕金森病dbs疗效的方法，其能够较佳地评估stn-dbs术后的运动功能，也能较佳地预测stn-dbs术后运动功能的改善。
2、根据本专利技术的基于临床-影像组学模型预测帕金森病dbs疗效的方法，其包括以下步骤：
3、步骤1、收集临床数据；
4、步骤2、获取影像资料及预处理；
5、步骤3、获取感兴趣区roi；
6、步骤4、提取影像组学特征；
7、步骤5、特征筛选，计算影像组学评分；
8、步骤6、构建影像组学模型，评估模型预测效能；
9、步骤7、加入临床因素，构建临床-影像组学模型，评估模型预测效能及临床收益价值。
10、作为优选，步骤1中，在stn-dbs手术前记录人口统计学和临床信息，包括性别、年龄、病程、pdq39量表；
11、在停药med-off状态下记录术前mds-updrsiii评分量表；在服药med-on状态下记录术前mds-updrs iii评分量表；术后mds-updrsiii评分和左旋多巴等效日剂量ledd在dbs-on/med-off状态下获得1个月随访；
12、将改善率大于等于50％归为术后改善良好组，改善率小于50％归为术后改善差组，改善率计算公式如下：
13、改善率(％)＝[(术前mds-updrsiii评分)-(术后mds-updrs iii评分)]/(术前mds-updrs iii评分)*100％。
14、作为优选，步骤2中，影像资料为术前t2加权图像，通过偏置场矫正与重采样对图像进行预处理。
15、作为优选，步骤3中，手动圈画分割双侧丘脑底核stn背外侧获取感兴趣区roi。
16、作为优选，步骤4中，在anaconda prompt软件中使用pyradiomics特征包进行图像特征提取。
17、作为优选，步骤5中，通过计算pearson相关系数矩阵，找出相关系数大于0.9的特征对并将其中一个特征删除，根据显著差异进行特征选择；将数据集分成训练集和测试集，对训练集中的每个特征进行levene检验和t检验，筛选出显著差异的特征；然后进行随机森林特征选择，使用随机森林分类器对特征进行选择，选取重要性大于0.01的特征；最后对选择出的特征进行lasso回归；使用lasso回归对特征进行进一步筛选，选取系数不为0的特征，并计算影像组学评分radscore。
18、作为优选，步骤7中，将影像组学评分作为独立因素，并结合独立临床危险因素，采用多参数logistic逐步回归的方法进行建模分析，选择后向递减的似然比检验的方法进行参数筛选，并对建立的模型进行10倍交叉验证；
19、制作nomogram用于可视化建立的多元logistic回归模型，采用受试者工作特征曲线分析评价模型的诊断效能，使用校准曲线评估模型的拟合度及稳定性，采用决策曲线分析评估模型的临床收益价值。
20、本专利技术相比于传统的通过典型临床表现及多巴胺冲击实验相比，准确性得到了明显提升，利用机器学习模型验证了stn-dbs与术后运动功能改善之间的强相关性，并从stn的冠状t2-mri图像中获得了区分术后预后好坏的最有效影像组学特征。最后，影像组学结合年龄、发病年龄、多巴胺冲击实验改善率，建立联合模型进一步提高了预测效果，建立了一个更为稳定的模型。
本文档来自技高网...【技术保护点】
1.基于临床-影像组学模型预测帕金森病DBS疗效的方法，其特征在于：包括以下步骤：
2.根据权利要求1中所述的基于临床-影像组学模型预测帕金森病DBS疗效的方法，其特征在于：步骤1中，在STN-DBS手术前记录人口统计学和临床信息，包括性别、年龄、病程、PDQ39量表；
3.根据权利要求2中所述的基于临床-影像组学模型预测帕金森病DBS疗效的方法，其特征在于：步骤2中，影像资料为术前定位薄层扫描颅脑磁共振(MRI)T2加权图像，通过偏置场矫正与重采样对图像进行预处理。
4.根据权利要求3中所述的基于临床-影像组学模型预测帕金森病DBS疗效的方法，其特征在于：步骤3中，应用3D-Slicer软件导入帕金森病患者颅脑MRI，为了标准化操作，规定在所有帕金森病患者的红核前缘水平层面，手动圈画分割双侧丘脑底核STN背外侧获取感兴趣区ROI。
5.根据权利要求4中所述的基于临床-影像组学模型预测帕金森病DBS疗效的方法，其特征在于：步骤4中，在Anaconda Prompt软件中使用pyradiomics特征包进行图像特征提取。
7.根据权利要求6中所述的基于临床-影像组学模型预测帕金森病DBS疗效的方法，其特征在于：步骤7中，将影像组学评分作为独立因素，并结合独立临床危险因素，采用多参数Logistic逐步回归的方法进行建模分析，选择后向递减的似然比检验的方法进行参数筛选，并对建立的模型进行10倍交叉验证；
...【技术特征摘要】
1.基于临床-影像组学模型预测帕金森病dbs疗效的方法，其特征在于：包括以下步骤：
2.根据权利要求1中所述的基于临床-影像组学模型预测帕金森病dbs疗效的方法，其特征在于：步骤1中，在stn-dbs手术前记录人口统计学和临床信息，包括性别、年龄、病程、pdq39量表；
3.根据权利要求2中所述的基于临床-影像组学模型预测帕金森病dbs疗效的方法，其特征在于：步骤2中，影像资料为术前定位薄层扫描颅脑磁共振(mri)t2加权图像，通过偏置场矫正与重采样对图像进行预处理。
4.根据权利要求3中所述的基于临床-影像组学模型预测帕金森病dbs疗效的方法，其特征在于：步骤3中，应用3d-slicer软件导入帕金森病患者颅脑mri，为了标准化操作，规定在所有帕金森病患者的红核前缘水平层面，手动圈画分割双侧丘脑底核stn背外侧获取感兴趣区roi。
5.根据权利要求4中所述的基于临床-影像组学模型预测帕金森病dbs疗效的方法，其特征在于：步骤4中，在anaconda pr...
【专利技术属性】
技术研发人员：郭兴，李卫国，李珍柯，吴倩倩，
申请(专利权)人：山东大学齐鲁医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。