买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中日友好医院(中日友好临床医学研究所)

摘要：公开磁共振脑灰质体积规范建模的机器学习方法及装置。本发明采集磁共振图像，利用FreeSurfer软件对磁共振图像进行处理，获得全脑的皮层形态学参数，通过布伦特最大似然估计法来计算每个参与者脑容量的标准百分位数，对梅杰综合征、面瘫和健康对照组进行分类，调整四种机器学习算法的超参数，以找到最佳的参数组合，分析人口统计学变量的组间差异，因此能够揭示面瘫、梅杰综合征和健康人之间的脑区差异，有助于进一步理解疾病的病理机制，并为诊断和治疗提供了潜在的生物学标记，可为临床辅助决策提供有价值的工具。

主权项：1.磁共振脑灰质体积规范建模的机器学习方法，其特征在于：其包括以下步骤：（1）采集磁共振图像，磁共振扫描轴位扫描基线为前-后联合连线，矢状位扫描基线为大脑中线，使用3D-FSPGR序列用于T1WI解剖图像扫描；（2）利用FreeSurfer软件对磁共振图像进行处理，获得全脑的皮层形态学参数，皮层形态学参数包括：基于脑表面的皮层厚度、表面面积和曲率，皮层和皮层下核团分割，灰白质、脑室、全脑及皮层下结构的灰质体积；（3）使用广义相加模型GAMLSS的统计方法来绘制整个生命周期的神经解剖轨迹，通过布伦特最大似然估计法来计算每个参与者脑容量的标准百分位数，百分位数显示由脑图确定的个体在人群中的相对位置；（4）采用四种机器学习算法：随机森林、支持向量机、极限梯度提升和K最近邻算法，通过利用不同的脑区灰质体积，对梅杰综合征、面瘫和健康对照组进行分类，调整四种机器学习算法的超参数，以找到最佳的参数组合，从而提高模型的分类准确性；对于随机森林算法，超参数包括决策树的数量n_estimators、每棵树的深度max_depth、每次分裂时考虑的特征数量max_features、叶子节点上的最小样本数min_samples_leaf；对于支持向量机，超参数包括核函数的选择、惩罚参数C和核函数的参数；对于极限梯度提升，超参数包括学习率、树的深度、叶子节点的最小数据量以及提升迭代次数；对于K最近邻算法，超参数包括邻居的数量K和距离度量；在超参数训练过程中，使用网格搜索方法来寻找每种算法的最佳超参数组合；（5）针对年龄采用双样本t检验、针对临床评分采用非参数Mann-WhitneyU检验、针对性别采用卡方检验，分析人口统计学变量的组间差异，显著性水平为p0.05；所述步骤（1）中，对于梅杰综合征患者，使用Burke-Fahn-Marsden肌张力障碍评定量表和眼睑痉挛残疾指数评估严重程度；对于面瘫患者，使用多伦多面部分级系统量表评估面部功能；所述步骤（4）中，采用5折交叉验证来评估模型的性能，在5折交叉验证中，数据集被随机分为5个大小相等的互斥子集，每次迭代中，选择一个子集作为验证集，而剩余的4个子集作为训练集，这个过程重复进行5次，每次选择不同的子集作为验证集，最终得到5个模型的性能评估结果，这些评估结果的平均值作为模型的最终性能指标，以此来选择最佳的模型和超参数组合；所述步骤（4）中，四种机器学习算法利用不同的脑区灰质体积来对梅杰综合征、面瘫和健康对照组进行分类，通过曲线下面积AUC评估分类准确性；所述步骤（5）中，对于脑灰质体积值，估计每个受试者的百分位数差异，范围从0到1，使用Wilcoxon检验评估组间百分位数差异，应用Bonferroni方法进行多重比较，使用Spearman相关分析研究梅杰综合征和面瘫患者灰质体积与临床变量之间的相关性，并应用FDR进行多重比较价值，同时评估GMV百分位数差异与临床评估量表之间的相关性。

全文数据：

权利要求：

百度查询： 中日友好医院(中日友好临床医学研究所) 磁共振脑灰质体积规范建模的机器学习方法及装置