[发明专利]影像学联合血清GDNF指标判断帕金森病认知障碍程度的方法在审

专利信息
申请号: 202111188008.1 申请日: 2021-10-12
公开(公告)号: CN113850797A 公开(公告)日: 2021-12-28
发明(设计)人: 唐传喜;黄思婷;王月;刘业豪;高殿帅 申请(专利权)人: 徐州医科大学
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06T7/60;G06N3/04;G06N3/08
代理公司: 上海德誉达专利代理事务所(普通合伙) 31426 代理人: 曹翠翠
地址: 221004 江苏省徐州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 影像 联合 血清 gdnf 指标 判断 帕金森病 认知 障碍 程度 方法
【说明书】:

发明公开了影像学联合血清GDNF指标判断帕金森病认知障碍程度的方法,涉及判断帕金森病认知障碍程度技术领域,具体为影像学联合血清GDNF指标判断帕金森病认知障碍程度的方法,包括以下步骤:S1、对纳入受试者进行GE3.0TMRI扫描;S2、用eFilmWorkstation将原始影像学图像文件从MR扫描仪上传输到电脑并保存。本发明对三组病人的影像学中网络连通性指标进行检测分析,发现右侧额叶、顶叶的度中心值有变化,且结合GDNF水平后能够很好的预测患病与否,结合PD病程和服药情况‑LED,则可以很好的预测认知障碍程度,另外在脑皮质厚度测量后,发现左半球额中回皮质厚度与各个认知域评分相关最大,且结合血清GDNF指标、PD病程、教育程度后能够有效区别PD的轻、中度认知障碍。

技术领域

本发明涉及判断帕金森病认知障碍程度技术领域,具体为影像学联合血清GDNF指标判断帕金森病认知障碍程度的方法。

背景技术

帕金森病伴认知障碍非常普遍和高发,且证据表明认知障碍多在运动症状前就已出现。在PD进程的所有阶段,若伴发认知障碍会导致死亡率明显增加,并影响日常主要活动。那么,针对PD伴认知障碍,或在临床PD前驱阶段,能否寻找到能早期反映神经元变性过程、且易于获得的生物标志物,来提高对PD进程的预测、并可能作为未来机制靶向治疗、或作为鉴定PD的患病风险因素。这将有助于PD的早期发现和鉴别诊断以及监测疾病进展。

胶质细胞系衍生的神经营养因子是中枢多巴胺能神经元的有效保护存活因子。异常的GDNF对PD的认知障碍发生亦有重要影响。有证据表明,PD患者去世后,颅内存在GDNF的表达改变和功能障碍,同时证实循环水平中的GDNF的同步改变,其对PD伴认知功能障碍的影响及与临床状态的相关性有待进一步研究。当前脑科学的研究,功能磁共振成像是最常用于研究脑功能、形态的方法。基于静息态图像分析,发现PD重度认知障碍患者,存在皮层厚度、皮层和皮层下区网络连通性改变。

本发明其中一个目的是基于临床病例-对照研究,探讨血清GDNF水平是否与PD-CI发生有关,以及与何种类型的认知障碍表现关系最密切;进一步寻找并结合客观的影像学标记,探讨血清GDNF不同水平下的PD患者,其神经网络的连通性是否变化,及重点改变的网络节点区域,最后,通过对血清GDNF、影像学中的差异生物指标、基础病史(含服药状况)信息等建立多模态生物诊断标记,能够对PD患病及认知功能障碍程度进行早期预测。

发明内容

针对现有技术的不足,本发明提供了影像学联合血清GDNF指标判断帕金森病认知障碍程度的方法,解决了上述背景技术中提出的问题。

为实现以上目的,本发明通过以下技术方案予以实现:影像学联合血清GDNF指标判断帕金森病认知障碍程度的方法,包括以下步骤:

S1、对纳入受试者进行GE3.0TMRI扫描;

S2、用eFilmWorkstation将原始影像学图像文件从MR扫描仪上传输到电脑并保存;

S3、使用MATLAB进行数据分析;

S4、确定差异团块的度中心值,并结合血清GDNF指标共同参与认知结局指标的预测分析;

S5、确定与认知域评分相关程度最大的脑区皮质,将该皮质厚度联合血清GDNF指标共同参与认知障碍结局的预测分析;

S6、计算出皮质表面感兴趣区域的皮质厚度;

S7、通过各组受试的各个脑区的皮质厚度的比较,获得差异显著的皮质区,并将其结果与认知结果进行关联比较;

S8、结合血清GDNF指标参与认知状态预测分析。

可选的,将步骤S1中的受试者分为三组,并根据血清GDNF的K-means聚类结果和特征比较,命名分组为PD-high-GDNF组和PD-low-GDNF组,并将HC作为正常对照组。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于徐州医科大学,未经徐州医科大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111188008.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top