[发明专利]一种基于面孔表情识别磁共振成像的精神分裂症早期诊断模型及其应用

说明书

本发明涉及精神分裂症早期诊断技术领域，具体公开一种基于面孔表情识别磁共振成像的精神分裂症早期诊断模型及其应用。本发明通过获取磁共振下的脑成像数据作为模型的训练数据；从训练数据中提取特征；对所提取的特征进行筛选；利用所筛选的特征和有监督的机器学习方法进行模型训练，从而建立精神分裂症早期诊断模型。精神分裂症是重性精神疾病，罹患该病的患者社会功能减退严重，严重者常有冲动、自伤、伤人等行为，提高其识别率有助于延缓精神分裂症患者的社会功能损害，减轻家庭及社会负担。本发明结合脑功能和脑结构的不同维度指标，通过特征筛选，成功构建精神分裂症多维早期诊断模型，提高精神分裂症患者的识别率及诊断率。

技术领域

本发明涉及精神分裂症早期诊断技术领域，具体地说，是一种基于面孔表情识别磁共振成像的精神分裂症早期诊断模型及其应用。

背景技术

精神分裂症是一组病因未明、病程迁延、治疗困难的重性精神疾病，常伴有思维、情感、行为、认知等多方面的障碍，而目前有关精神分裂症的病因尚不明确，诊断主要借助于询问病史及症状学描述，缺乏特异性指标，容易造成漏诊误诊。本模型正是基于此背景进行开发。面孔表情识别是一种常见且公认的认知测量途径，而面孔表情识别缺陷是早发精神分裂症患者的内表型，一般存在比较持久的认知功能损害。运用该特点有利于从生物学、神经影像学角度对精神分裂症进行早期识别及诊断。

随着功能磁共振成像(functionalmagneticresonance imaging，fMRI)技术的发展，可以运用磁共振采集大脑数据进行面孔识别障碍的研究。具体是在磁共振扫描过程中，基于血氧水平依赖(BOLD)的fMRI可以区分不同面孔表情下的大脑激活模式，给予不同面孔表情任务范式，通过识别大脑各个解剖区域对高兴、恐惧和厌恶等情绪的激活指标，收集脑影像学数据，反映在不同面孔表情识别任务中神经环路的异常。之前研究发现精神分裂症患者与健康人群在面孔情绪识别任务中脑功能激活的模式上存在显著差别。另外，磁共振的脑结构成像结合体素形态测量(Voxel-basedmorphometry，VBM)分析发现精神分裂症患者的脑灰质密度与健康人存在显著差别。

发明内容

本发明结合面孔表情识别、神经影像学(磁共振脑功能成像和脑结构成像)，探索脑功能和结构多维度整合的特异性指标，成功构建精神分裂症的早期诊断模型。

本发明的第一个目的是针对现有技术中的不足，提供一种基于面孔表情识别磁共振成像的精神分裂症早期诊断模型。

本发明的第二个目的是针对现有技术中的不足，提供如上所述模型在制备精神分裂症早期诊断试剂盒中的应用。

为实现上述第一个目的，本发明采取的技术方案是：

一种基于面孔表情识别磁共振成像的精神分裂症早期诊断模型，所述诊断模型通过如下方法获得的：获取磁共振下的脑成像数据作为模型的训练数据；从训练数据中提取特征；对所提取的特征进行筛选；利用所筛选的特征和有监督的机器学习方法进行模型训练，从而建立精神分裂症早期诊断模型。

在上述基于面孔表情识别磁共振成像的精神分裂症早期诊断模型，作为本发明的一个优选方案，所述磁共振下的脑成像数据包括精神分裂症患者和健康被试者的脑结构像数据以及面孔情绪加工任务的下的功能像数据。

在上述基于面孔表情识别磁共振成像的精神分裂症早期诊断模型，作为本发明的一个优选方案，所述面孔情绪包括高兴、恐惧和厌恶情绪。

在上述基于面孔表情识别磁共振成像的精神分裂症早期诊断模型，作为本发明的一个优选方案，所述训练数据中提取特征包括：从脑结构像中提取大脑各个解剖区域的灰质密度，从功能像中提取脑的各个解剖区域对高兴、恐惧和厌恶情绪的激活指标；所述灰质密度通过VBM算法提取，所述激活指标通过下列公式计算：Y＝Xβ+ε，其中Y为每个体素的信号时间序列，X为实验设计矩阵，每一列代表一个一种面孔情绪在实验中出现的时间信息，β是需要求解的列向量，其中每个元素是代表该体素对某种面孔情绪响应强度，ε是误差向量。