一種阿爾茨海默癥早期認知功能下降預測方法，獲取被測對象的靜息態功能磁共振影像組，對靜息態功能磁共振影像組進行預處理，對預處理后的靜息態功能磁共振影像組進行腦網絡劃分，基于靜息態全腦灰質功能磁功能共振影像和腦網絡劃分后的功能磁共振影像組的時間序列，分別構建連接矩陣，基于構建好的連接矩陣進行節點度計算與度分布統計，并進行腦網絡度分布的模型擬合，基于訓練數據構建預測模型，依據估計出的各個腦網絡度分布的模型參數，獲得預測認知功能得分并輸出。本發明過程簡單，易操作，檢驗結果更加準確，更加客觀定量，實用性更高，更加有助于輔助醫生臨床決策。

技術領域

本發明涉及生物醫學領域，涉及大規模腦功能網絡的圖論方法，尤其涉及靜息態的大規模腦功能網絡通過度分布方法從網絡拓撲組織結構角度在阿爾茨海默癥等神經精神類疾病和/或疾病早期階段的認知功能下降的預測方法。

背景技術

輕度認知障礙(mild cognitive impairment，MCI)是介于健康衰老和(最終發展為)阿爾茨海默癥之間的一個前兆階段。阿爾茨海默癥(Alzheimer’s disease，AD)，俗稱老年癡呆癥，是最常見和最重要的腦變性疾病，主要體現為情景記憶、思考、行為和日常活動能力衰退。據全球阿爾茨海默癥協會統計，65歲和85歲以上老年人中患此病比率高達約15％和37％，且呈逐漸增加和趨于年輕化趨勢。該病具有不可治愈性，與心血管病、腦血管病和癌癥并列為人類健康的“四大殺手”。許多臨床藥物試驗都致力于從病情早期階段干預來預防或減緩疾病。由于AD發病隱匿，導致目前漏診率約為73.1％，而被確認的患者大多已到了病情中后期。實際上，早在臨床癡呆癥狀約20年前，致病的淀粉類蛋白(Amyloid-beta)就已經開始在患者腦部沉積。因此，AD早期階段的檢測是早干預的一個先決條件，具有非常重要的意義。

發明內容

本發明提供一種阿爾茨海默癥早期認知功能下降預測方法，過程簡單，易操作，檢驗結果更加準確，更加客觀定量，實用性更高，更加有助于輔助醫生臨床決策。

為了達到上述目的，本發明提供一種阿爾茨海默癥早期認知功能下降預測方法，包含以下步驟：

步驟S1、獲取被測對象的靜息態功能磁共振影像組；

步驟S2、對靜息態功能磁共振影像組進行預處理；

步驟S3、對預處理后的靜息態功能磁共振影像組進行腦網絡劃分；

步驟S4、基于靜息態全腦灰質功能磁功能共振影像和腦網絡劃分后的功能磁共振影像組的時間序列，分別構建連接矩陣；

步驟S5、基于構建好的連接矩陣進行節點度計算與度分布統計，并進行腦網絡度分布的模型擬合；

步驟S6、基于訓練數據構建預測模型，依據估計出的各個腦網絡度分布的模型參數，獲得預測認知功能得分并輸出。

所述的腦網絡劃分包含：采用腦模板，或獨立成分分析方法，或基于先驗區域信息方法對腦區進行劃分，將腦區劃分為不同的大規模腦功能網絡區域。

使用功能連接FC來構建功能連接矩陣，所構建的功能連接矩陣為n×n的二維矩陣，其中，n為每個網絡的節點總數，所述的功能連接矩陣中的元素為矩陣行列對應節點的功能連接強度。

所述的節點度計算分為三個維度：

全局度：對于全腦網絡來說即全腦的度分布；對于子功能網絡來說，即大規模功能子網絡中的節點與全腦范圍其它節點間連接的度分布；

網絡內度：即劃分后的腦功能子網絡中的節點與該網絡內其他節點間的度分布；

網絡外度：依據劃分后的腦功能子網絡中的節點與全腦內位于該網絡外的節點間的度分布，即該網絡中節點的外度為所述該網絡的全局度減去所述該網絡的節點內度；

采用韋布爾分布進行腦網絡度分布的模型擬合。