[发明专利]一种阿尔茨海默症早期认知功能下降预测方法

权利要求书

1.一种阿尔茨海默症早期认知功能下降预测方法，其特征在于，包含以下步骤：

步骤S1、获取被测对象的静息态功能磁共振影像组；

步骤S2、对静息态功能磁共振影像组进行预处理；

步骤S3、对预处理后的静息态功能磁共振影像组进行脑网络划分；

步骤S4、基于静息态全脑灰质功能磁功能共振影像和脑网络划分后的功能磁共振影像组的时间序列，分别构建连接矩阵；

步骤S5、基于构建好的连接矩阵进行节点度计算与度分布统计，并进行脑网络度分布的模型拟合；

步骤S6、基于训练数据构建预测模型，依据估计出的各个脑网络度分布的模型参数，获得预测认知功能得分并输出。

2.如权利要求1所述的阿尔茨海默症早期认知功能下降预测方法，其特征在于，所述的脑网络划分包含：采用脑模板，或独立成分分析方法，或基于先验区域信息方法对脑区进行划分，将脑区划分为不同的大规模脑功能网络区域。

3.如权利要求1所述的阿尔茨海默症早期认知功能下降预测方法，其特征在于，使用功能连接FC来构建功能连接矩阵，所构建的功能连接矩阵为n×n的二维矩阵，其中，n为每个网络的节点总数，所述的功能连接矩阵中的元素为矩阵行列对应节点的功能连接强度。

4.如权利要求1所述的阿尔茨海默症早期认知功能下降预测方法，其特征在于，所述的节点度计算分为三个维度：

全局度：对于全脑网络来说即全脑的度分布；对于子功能网络来说，即大规模功能子网络中的节点与全脑范围其它节点间连接的度分布；

网络内度：即划分后的脑功能子网络中的节点与该网络内其他节点间的度分布；

网络外度：依据划分后的脑功能子网络中的节点与全脑内位于该网络外的节点间的度分布，即该网络中节点的外度为所述该网络的全局度减去所述该网络的节点内度；

采用韦布尔分布进行脑网络度分布的模型拟合。

5.如权利要求1所述的阿尔茨海默症早期认知功能下降预测方法，其特征在于，节点度的计算即计算每个节点的连边个数，以每个体素为节点，则每个体素度的计算公式如下：

其中，r_ij表示体素i与体素j之间的皮尔森相关系数，N_voxels表示所计算脑网络范围内体素个数，T为阈值。

6.如权利要求1所述的阿尔茨海默症早期认知功能下降预测方法，其特征在于，所述的预测模型为：

认知能力得分～β₀+β₁×韦布尔分布的贝塔参数+β₂×年龄+β₃×性别+β₄×受教育程度；

其中，β₀是常数项，β₁，β₂，β₃，β₄是回归系数，贝塔是韦布尔分布的参数。

7.一种存储装置，其特征在于，所述的存储装置中存储多条程序代码，所述的程序代码适用于由处理器加载并执行以实现如权利要求1-6中任意一项所述的阿尔茨海默症早期认知功能下降预测方法。

8.一种处理装置，其特征在于，包含处理器和存储装置；

所述的处理器适于执行各条程序代码；

所述的存储装置中存储多条程序代码，所述的程序代码适用于由处理器加载并执行以实现如权利要求1-6中任意一项所述的阿尔茨海默症早期认知功能下降预测方法。