技术领域
[0001] 本
发明涉及医疗诊断评估领域，特别是涉及一种创伤后应激障碍的诊断评估系统。
背景技术
[0002] 近年来，在新型交叉学科领域发展起来了一种功能
磁共振成像技术，能在活体无创下评估脑结构、功能、代谢等信息，成为脑科学研究的核心技术，可以揭示健康及
疾病状态下的脑神经机制。
[0003] 创伤后应激障碍是当前社会中存在的一种病症，个体在经历了强烈的威胁性、灾难性创伤性事件后，会对创伤等严重应激因素产生一种异常精神心理反应，主要表现为对创伤事件的反复性体验、持续的警觉性、持续的回避等症状，创伤后应激障碍在一般人群中的终生患病率大约为1％到14％，少数患者的创伤状态会产生长远的负面影响，可持续数年甚至延续终生。
[0004] 创伤后应激障碍等
精神障碍类疾患，在常规解剖影响上往往表现为正常，曾被认为仅仅是行为功能改变的心理异常，是所谓的“非器质性”病变，而目前创伤后应激障碍的诊断仍然是依据患者的行为和表现，很大程度上取决于精神科医师的主观经验和推断，缺少客观的诊断指标。
发明内容
[0005] 本发明的目的是提供一种创伤后应激障碍的诊断评估系统，可以得到量化指标来客观准确地评定被测个体的创伤后应激障碍等级，以用于指导医护人员对患者进行诊断、管理和
治疗。
[0006] 为解决上述技术问题，本发明提供了如下技术方案：
[0007] 一种创伤后应激障碍的诊断评估系统，包括：
[0008] 功能成像模
块，用于从检测个体的脑部获取静息态功能成像数据；
[0009] 属性提取模块，用于从所述功能成像模块获取的所述静息态功能成像数据中提取静息态功能影像属性数据；
[0010] 创伤后应激障碍特征样本库模块，用于存储不同创伤后应激障碍等级的历史静息态功能影像属性数据；
[0011] 创伤后应激障碍评定模块，用于将所述静息态功能影像属性数据与所述历史静息态功能影像属性数据进行比对，得出所述静息态功能影像属性数据所属的创伤后应激障碍等级。
[0012] 优选地，所述属性提取模块包括：
[0013] 脑区划分单元，用于根据解剖模板将所述检测个体的全脑划分为预设数目的脑区，并根据解剖模板分割所述功能成像模块获取的所述静息态功能成像数据；
[0014] 脑网络构建单元，用于以脑区为单位提取反映静息态脑活动的时间序列，以所述脑区和所述时间序列构建全脑网络和子网网络，并以不同的脑区作为
节点，以脑区之间的时间序列的关系为边构建连接图，计算所述连接图的全脑网络、子网网络和节点层面的静息态功能影像属性。
[0015] 优选地，所述创伤后应激障碍特征样本库模块包括：
[0016] 全脑网络属性样本单元，用于存储反映大脑全局整合能
力的全脑网络属性数据；
[0017] 局部属性样本单元，用于存储反映大脑局部整合能力的局部属性数据；
[0018] 功能连接属性样本单元，用于存储反映大脑各脑区之间协同能力的功能连接属性数据；
[0019] 节点属性样本单元，用于存储反映各脑区的影响力来确定等级的节点属性数据；
[0020] 子网属性样本单元，用于反映脑区模块化或不同组分来确定创伤后应激障碍成因的子网/组分属性数据。
[0021] 优选地，所述功能连接属性数据包括：
[0022] 大脑各脑区之间协同能力的功能连接度、相关性和互信息数据。
[0023] 优选地，所述节点属性数据包括：
[0024] 所述脑区的度、效率和连通性数据，以及脑区
体素之间生理频段的振幅指标数据。
[0025] 优选地，子网/组分属性数据包括：
[0026] 创伤后应激障碍成因的重要性排序、每次对脑区进行划分的
稳定性和创伤后应激障碍成因的显著性
水平数据。
[0027] 优选地，所述创伤后应激障碍评定模块包括：
[0028] 静息态功能影像属性提取单元，用于将所述属性提取模块中的静息态功能影像属性数据中的静息态功能影像属性提取出来；
[0029] 分类器，用于采用核函数对所述静息态功能影像属性进行非线性映射，并根据所述非线性映射计算出所述检测个体位于所述创伤后应激障碍特征样本库模块中相应群体的概率，根据所得出的对应概率确定所述检测个体所属的创伤后应激障碍等级。
[0030] 优选地，所述分类器包括：
[0031] 交叉验证单元，用于采用留一交叉验证方法计算每个测试个体的异常概率分布，并根据所述异常概率分布得出测试个体的平均分类率，根据所述平均分类率得出所述分类器的自检结果。
[0032] 优选地，所述功能成像模块为磁共振成像装置。
[0033] 与
现有技术相比，上述技术方案具有以下优点：
[0034] 本发明
实施例所提供的创伤后应激障碍的诊断评估系统，由功能成像模块得到检测个体客观的脑部成像数据，并通过属性提取模块采用信息处理技术等手段从中提取静息态功能影像属性数据，创伤后应激障碍评定模块将之与创伤后应激障碍特征样本库模块中的历史静息态功能影像属性数据进行比对，根据历史静息态功能影像属性数据将创伤后应激障碍分成的不同等级，能够得到综合反映该检测个体创伤后应激障碍的等级和严重程度等的量化指标数据，从而可以客观、准确地评定检测个体的创伤后应激障碍等级，该评定结果可以用于指导医护人员对患者进行科学诊断、管理及治疗。
附图说明
[0035] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036] 图1为本发明一种具体实施方式所提供的创伤后应激障碍的诊断评估系统结构示意图。
具体实施方式
[0037] 本发明的核心是提供一种创伤后应激障碍的诊断评估系统，可以得到量化指标来客观准确地评定被测个体的创伤后应激障碍等级，以用于指导医护人员对患者进行诊断、管理和治疗。
[0038] 为了使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
[0039] 在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
[0040] 请参考图1，图1为本发明一种具体实施方式所提供的创伤后应激障碍的诊断评估系统结构示意图。
[0041] 在本发明的一种具体实施方式中，创伤后应激障碍的诊断评估系统，包括：功能成像模块1，用于从检测个体的脑部获取静息态功能成像数据；属性提取模块2，用于从功能成像模块获取的静息态功能成像数据中提取静息态功能影像属性数据；创伤后应激障碍特征样本库模块3，用于存储不同创伤后应激障碍严重程度等级的历史静息态功能影像属性数据；创伤后应激障碍评定模块4，用于将静息态功能影像属性数据与历史静息态功能影像属性数据进行比对，得出静息态功能影像属性数据所属的创伤后应激障碍等级。
[0042] 在本实施方式中，创伤后应激障碍的诊断评估系统主要基于磁共振成像技术，其中，功能成像模块为磁共振成像装置，用于从检测个体脑部获取不同层面的静息态功能成像数据。所谓的静息态主要指的是人类在清醒、闭眼和放松状态下的BOLD
信号，被用于检测大脑结构或活动的异常。
[0043] 创伤后应激障碍特征样本库模块中存储有不同创伤后应激障碍严重程度等级的被试个体的历史静息态功能影像属性，将检测个体的静息态功能影像属性和创伤后应激障碍特征样本库模块中的历史静息态功能影像属性作比对，即可得知该检测个体的创伤后应激障碍严重程度及等级。
[0044] 在本发明的一种实施方式中，属性提取模块包括：脑区划分单元，用于根据解剖模板将检测个体的全脑划分为预设数目的脑区，并根据解剖模板分割功能成像模块获取的静息态功能成像数据；脑网络构建单元，用于以脑区为单位提取反映静息态脑活动的时间序列，以脑区和时间序列构建全脑网络和子网网络，并以不同的脑区作为节点，以脑区之间的时间序列的关系为边构建连接图，计算连接图的全脑网络、子网网络和节点层面的静息态功能影像属性。
[0045] 在本实施方式中，属性提取模块用于从新个体的静息态功能成像数据中提取该新个体的静息态功能影像属性，实际上，创伤后应激障碍评定模块中的历史静息态功能影像属性也可以由属性提取模块从不同的样本个体的静息态功能成像数据中提取并保存的。具体地，属性提取模块首先按照解剖模板把全脑划分为若干个不同的脑区，然后利用解剖模板相应分割功能成像模块获取的静息态功能成像数据，并以脑区为单位提取反映静息态脑活动的时间序列，以脑区和时间序列构建全脑网络和子网网络，构建的方式为以不同的脑区作为节点，以脑区之构建有向连接图和无向连接图，计算图中的全脑、子网和节点层面的各种属性，其中，有向连接图指的是脑区之间关系有次序和指向，无向连接图指的是脑区之间关系无次序和指向。此外，功能连接的计算包括：以解剖模板或者自定义方式确定感兴趣脑区，提取感兴趣脑区的时间序列，计算感兴趣脑区之间的相关关系。
[0046] 在本发明的一种实施方式中，创伤后应激障碍特征样本库模块包括：全脑网络属性样本单元，用于存储反映大脑全局整合能力的全脑网络属性数据；局部属性样本单元，用于存储反映大脑局部整合能力的局部属性数据；功能连接属性样本单元，用于存储反映大脑各脑区之间协同能力的功能连接属性数据，其中，功能连接属性数据包括：大脑各脑区之间协同能力的功能连接度、相关性和互信息等数据；节点属性样本单元，用于存储反映各脑区的影响力来确定等级的节点属性数据，其中，节点属性数据包括：某一脑区(节点)的度(degree)、效率(Efficiency)和连通性(Betweenness)数据，以及脑区体素之间生理频段的振幅指标等数据；子网属性样本单元，用于反映脑区模块化或不同组分来确定创伤后应激障碍成因的子网/组分属性数据，其中，子网/组分属性数据包括：创伤后应激障碍成因的重要性排序(ranking value)、每次对脑区进行划分的稳定性和创伤后应激障碍成因的显著性水平等数据。
[0047] 在本实施方式中，创伤后应激障碍特征样本库模块包括子网属性样本单元等组成单元，其内还包含有历史静息态功能影像属性中的创伤后应激障碍成因，以此可以作为参考数据，当创伤后应激障碍评定模块将检测个体的静息态功能影像属性和历史静息态功能影像属性进行比对时，就可以得出该检测个体的创伤后应激障碍成因。
[0048] 进一步地，创伤后应激障碍特征样本库模块还用于存储用于构建全脑网络和子网网络、功能连接、节点时，由所述磁共振成像数据通过计算得到的创伤后应激障碍评定结果、临床心理测评信息，自适应反馈
算法学习之后的微调值，以供新个体进行检测时，作为量化评定的参考，当创伤后应激障碍评定模块将检测个体的静息态功能影像属性和历史静息态功能影像属性进行比对时，就可以通过模式分类、模糊聚类和自适应反馈学习等方法对该检测个体的影像数据特征值和临床诊断测评信息进行分类、提取和优化等，从而得到量化的指标来确定该检测个体的创伤后应激障碍等级。
[0049] 此外，创伤后应激障碍特征样本库模块还用于在创伤后应激障碍评定时进行参考对比和必要的信息反馈。
[0050] 需要说明的是，所述子网指的是几个脑区的组合，但该组合的功能并不明确；所谓的组分也指的是几个脑区的组合，但是该组合是具有明确的功能的。
[0051] 在本发明一种实施方式中，创伤后应激障碍评定模块主要用于评定新个体的创伤后应激障碍等级。创伤后应激障碍评定模块包括：静息态功能影像属性提取单元，用于将属性提取模块中的静息态功能影像属性数据中的静息态功能影像属性提取出来，并输入到分类器；分类器，用于采用核函数对静息态功能影像属性进行非线性映射，并根据非线性映射计算出检测个体位于创伤后应激障碍特征样本库模块中相应群体的概率，根据所得出的对应概率确定检测个体所属的创伤后应激障碍等级。其中，采用一个非线性
支持向量机做模式分类算法，通过使用高斯径向基数作为核函数，首先将最初选取的特征属性(历史静息态功能影像属性)映射到高维空间，从而计算出一个
超平面，在此超平面中最大化此平面和每个属性类实例的距离，找到这个超平面后，非线性支持向量机能够通过映射检测个体的静息态功能影像属性到特征空间，并检查该检测个体属于哪个分离的平面的平面预设出一个未标示样本的类别，输入给分类器的是特征矩阵和类标示向量，如1表示创伤后应激障碍严重程度高，-1表示创伤后应激障碍严重程度低。其中，静息态功能影像属性被映射到高维空间，基于在高维空间超平面中的距离，分类器能够计算出新个体属于创伤后应激障碍特征样本库模块中相应群体的概率，如果新个体相对应于此群体的概率得分大于等于0，则判断该新个体就属于此群体，每个群体是对应一个创伤后应激障碍等级的，也就得出该新个体所处的创伤后应激障碍等级，其中，概率分类得分代表了这个新个体的异常水平。
[0052] 需要说明的是，本文中的新个体是相对于历史个体而言的，指的即是本文中的检测个体。
[0053] 进一步地，分类器包括：交叉验证单元，用于采用留一交叉验证方法计算每个测试个体的异常概率分布，并根据异常概率分布得出测试个体的平均分类率，根据平均分类率得出分类器的自检结果。其中，在留一交叉验证中，一个样本被选择用来测试，而其余样本本用来训练分类器，分类器的好坏用测试个体的分类结果来评估，通过重复的拿开群体中不同个体作为测试个体，获得属于它的异常得分，并平均所有拿开的个体的得分，得到一个平均的分类率，验证同时被使用绘制受试者工作特征曲线来执行，受试者工作特征曲线是一个当区分
阈值不同时敏感性作为横坐标、特异性作为纵坐标的分类器曲线图。
[0054] 综上所述，根据本发明所提供的创伤后应激障碍的诊断评估系统，基于功能静磁共振成像所得的客观影像数据，采用信息处理技术从中提取出检测个体的静息态功能影像属性，并将之与创伤后应激障碍状态特征样本库模块中的历史功能静磁共振成像属性的进行比对，还可优选通过模式分类、模糊聚类和自适应反馈学习等方法对影像数据特征值和临床诊断测评信息进行分类、提取、优化，综合反映创伤后应激障碍等级和严重程度，并最终得到对应的量化指标，来客观、准确地评定检测个体的创伤后应激障碍等级和成因，以供指导医护人员对相关患者进行科学诊断、管理以及治疗。
[0055] 以上对本发明所提供一种创伤后应激障碍的诊断评估系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明
权利要求的保护范围内。
