一种脑缺血缺氧患者认知功能与预后的预测方法和装置与流程

本发明涉及生物技术，特别是指一种脑缺血缺氧患者认知功能与预后的预测方法和装置。

背景技术：

1、烟雾病是一种原因不明的慢性缺血性脑血管疾病，以双侧颈内动脉末端和(或)大脑前、中动脉起始段逐渐狭窄以至闭塞，颅底穿支动脉代偿性扩张为特征。烟雾病的临床症状包括短暂性脑缺血发作、脑梗死、脑出血、头痛以及癫痫等。认知功能障碍虽然不是烟雾病传统意义上的临床症状，但近年来受到越来越多的关注，有研究表明，烟雾病患者认知功能损伤的出现可能早于其他临床症状，是烟雾病重要的早期临床表现之一，也是烟雾病患者预后的一种重要指标。

2、由于烟雾病是一种慢性脑缺血缺氧性疾病的良好模型，故对于烟雾病患者的研究也是对于慢性脑缺血缺氧性患者的研究。目前有关烟雾病认知功能的研究发现，脑缺血缺氧引起的认知功能障碍可出现在智力、执行功能、信息处理速度、记忆、视空间等不同认知域，且通常与卒中部位有密切关系。部分研究还发现，认知功能障碍的发生受到年龄、受教育程度及其他临床危险因素的影响。随着影像学技术的不断发展，越来越多的脑缺血缺氧患者在尚未发生严重卒中事件前就被发现，而这部分患者也会表现出不同程度和不同类型的认知功能损伤。新型大数据机器学习方法已广泛用于疾病的诊断，特别在影像学和肿瘤领域。大数据机器学习是采用机器模拟学习的能力，在广泛的数据中筛选出有意义的指标，并对这些指标进行重新赋值，最终建立评分模型，有助于优化及简化疾病的诊断及风险预测。而在烟雾病中，尚无机器学习建立的诊断及风险预测评分模型。

3、现有技术目前存在以下问题：(1)对烟雾病导致的认知功能损伤缺乏早期诊断；(2)对脑缺血缺氧患者的预后缺乏准确评估的技术手段。

技术实现思路

1、为了解决现有技术存在的对烟雾病导致的认知功能损伤缺乏早期诊断和对脑缺血缺氧患者的预后缺乏准确评估的技术手段的技术问题，本发明实施例提供了一种脑缺血缺氧患者认知功能与预后的预测方法及装置。所述技术方案如下：

2、一方面，提供了一种脑缺血缺氧患者认知功能与预后的预测方法，该方法由脑缺血缺氧患者认知功能与预后的预测设备实现，该方法包括：

3、s1：收集患者的在选定时间段的选定医学信息，基于所述选定医学信息提取评价指标，所述选定医学信息包括人口学资料、临床资料和影像学检查结果，所述评价指标包括年龄、性别、受教育年限、发病至入院时、糖尿病、高血压病、高脂血症、高同型半胱氨酸血症、基于数字剪影血管造影的侧枝循环量、日常生活能力量、汉密尔顿抑郁量、蒙特利尔认知评估量、信息处理速度应用连线测试、执行功能采用连线测试值、中文听觉词语学习测试量1、中文听觉词语学习测试量2、中文听觉词语学习测试量3、中文听觉词语学习测试量10、波士顿命名测试值和画钟测试值；

4、s2：从所述评价指标选出卒中评价指标，将所述卒中评价指标输入预训练的脑缺血缺氧患者卒中预测模型，得到脑缺血缺氧患者的卒中可能性的预测结果，所述卒中评价指标包括：受教育年限、高脂血症、基于数字剪影血管造影的侧枝循环量、日常生活能力量、蒙特利尔认知评估量、信息处理速度应用连线测试、执行功能采用连线测试值、中文听觉词语学习测试量1、中文听觉词语学习测试量2、中文听觉词语学习测试量3、中文听觉词语学习测试量10、波士顿命名测试值和画钟测试值；

5、s3：将所述选定时间段的选定医学信息、评价指标和所述卒中可能性的预测结果输入预训练的脑缺血缺氧患者认知功能障碍预测模型，得到脑缺血缺氧患者的认知功能障碍的预测结果，所述预训练的脑缺血缺氧患者认知功能障碍预测模型包含多模态信息处理模块、多模态融合模块和预测模块；

6、s4：基于所述卒中可能性的预测结果和所述认知功能障碍的预测结果，进行预后评估，得到预测的预后评估结果。

7、优选地,在所述s2的从所述评价指标选出卒中评价指标，将所述卒中评价指标输入预训练的脑缺血缺氧患者卒中预测模型，得到脑缺血缺氧患者的卒中可能性的预测结果之前，所述方法还包括：

8、s01：获取预训练的脑缺血缺氧患者卒中预测模型；

9、所述s01的获取预训练的脑缺血缺氧患者卒中预测模型，包括：

10、s011：选定一定数量的脑缺血缺氧患者，分为无卒中组、既往脑梗死组和既往脑出血组；

11、s012：收集选定的脑缺血缺氧患者在选定时间段的人口学资料；

12、s013：收集选定的脑缺血缺氧患者在选定时间段的临床资料和影像学资料；

13、s014：收集选定的脑缺血缺氧患者在选定时间段的心理状态及认知功能评估结果；

14、s015：集合人口学资料、临床资料和心理状态及认知功能评估结果，得到无卒中组、既往脑梗死组和既往脑出血组的选定医学信息，作为训练数据；

15、s016：对所述选定医学信息进行单因素统计学分析，筛选出与脑缺血缺氧患者卒中有关的评价指标，得到卒中评价指标；

16、s017：基于卒中评价指标，构建一个待训练的脑缺血缺氧患者卒中预测模型；

17、s018：基于训练数据对待训练的脑缺血缺氧患者卒中预测模型进行训练，得到预训练的脑缺血缺氧患者卒中预测模型。

18、优选地,所述s011选定一定数量的脑缺血缺氧患者，分为无卒中组、既往脑梗死组和既往脑出血组，包括：

19、s0111：按照预设的纳入标准和排除标准，选定预设数量的病例组患者；

20、s0112：获取病例组患者的既往卒中记录；

21、s0113：按照卒中记录，将病例组患者分为无卒中组、既往脑梗死组和既往脑出血组。

22、优选地,所述s016的对所述选定医学信息进行单因素统计学分析，筛选出与脑缺血缺氧患者卒中有关的评价指标，得到卒中评价指标，包括：

23、s0161：对选定医学信息进行预处理得到预处理后的医学信息；

24、s0162：对无卒中组、既往脑梗死组和既往脑出血组进行显著性差异检验，得到显著性差异检验的结果，所述显著性差异检验包括学生t检验、方差分析、非参数检验、k-s检验和bootstrap检验；

25、s0163：基于显著性差异检验的结果，将显著的指标作为卒中评价指标。

26、优选地,在所述s3的将所述选定时间段的选定医学信息、评价指标和所述卒中可能性的预测结果输入预训练的脑缺血缺氧患者认知功能障碍预测模型，得到脑缺血缺氧患者的认知功能障碍的预测结果之前,所述方法还包括：

27、s02：获取预训练的脑缺血缺氧患者认知功能障碍预测模型；

28、所述s02的获取预训练的脑缺血缺氧患者认知功能障碍预测模型，包括：

29、s021：选定一定数量的脑缺血缺氧患者作为病例组，按照预设标准选定对照组；

30、s022：收集病例组和对照组在选定时间段的人口学资料；

31、s023：收集病例组和对照组在选定时间段的临床资料；

32、s024：收集病例组和对照组在选定时间段的影像学检查结果；

33、s025：基于人口学资料、临床资料和影像学检查结果提取评价指标；

34、s026：集合评价指标、人口学资料、临床资料和影像学检查结果，得到病例组和对照组的选定医学信息，作为训练数据；

35、s027：构建一个待训练的脑缺血缺氧患者认知功能障碍预测模型；

36、s028：基于训练数据对待训练的脑缺血缺氧患者认知功能障碍预测模型进行训练，得到预训练的脑缺血缺氧患者认知功能障碍预测模型。

37、优选地,所述s021选定一定数量的脑缺血缺氧患者作为病例组，按照预设标准选定对照组，包括：

38、s0211：按照预设的纳入标准和排除标准，选定预设数量的病例组患者，作为病例组；

39、s0212：纳入与病例组年龄、性别、受教育程度相匹配的同期健康体检人群作为对照组，所述对照组需要排除颅内血管病变，并且既往无卒中病史。

40、优选地,所述s027的构建一个待训练的脑缺血缺氧患者认知功能障碍预测模型，包括：

41、s0271：基于rnn模型和cnn模型构建多模态信息处理模块，所述rnn模型通过处理评价指标、人口学资料和临床资料，得到文本的特征，所述cnn模型通过处理影像学检查结果，得到图像的特征；

42、s0272：基于多模态神经网络构建多模态融合模块，所述多模态神经网络将文本和图像的特征表示进行融合，得到融合特征；

43、s0273：基于随机森林模型构建输入为融合特征的预测模块；

44、s0274：连接多模态信息处理模块、多模态融合模块和预测模块，得到待训练的脑缺血缺氧患者认知功能障碍预测模型。

45、另一方面，提供了一种脑缺血缺氧患者认知功能与预后的预测装置，该装置应用于脑缺血缺氧患者认知功能与预后的预测方法，该装置包括：

46、医学信息模块：用于收集患者的在选定时间段的选定医学信息，基于所述选定医学信息提取评价指标，所述选定医学信息包括人口学资料、临床资料和影像学检查结果，所述评价指标包括年龄、性别、受教育年限、发病至入院时、糖尿病、高血压病、高脂血症、高同型半胱氨酸血症、基于数字剪影血管造影的侧枝循环量、日常生活能力量、汉密尔顿抑郁量、蒙特利尔认知评估量、信息处理速度应用连线测试、执行功能采用连线测试值、中文听觉词语学习测试量1、中文听觉词语学习测试量2、中文听觉词语学习测试量3、中文听觉词语学习测试量10、波士顿命名测试值和画钟测试值；

47、卒中评价模块：用于从所述评价指标选出卒中评价指标，将所述卒中评价指标输入预训练的脑缺血缺氧患者卒中预测模型，得到脑缺血缺氧患者的卒中可能性的预测结果，所述卒中评价指标包括：受教育年限、高脂血症、基于数字剪影血管造影的侧枝循环量、日常生活能力量、蒙特利尔认知评估量、信息处理速度应用连线测试、执行功能采用连线测试值、中文听觉词语学习测试量1、中文听觉词语学习测试量2、中文听觉词语学习测试量3、中文听觉词语学习测试量10、波士顿命名测试值和画钟测试值；

48、认知功能障碍模块：用于将所述选定时间段的选定医学信息、评价指标和所述卒中可能性的预测结果输入预训练的脑缺血缺氧患者认知功能障碍预测模型，得到脑缺血缺氧患者的认知功能障碍的预测结果，所述预训练的脑缺血缺氧患者认知功能障碍预测模型包含多模态信息处理模块、多模态融合模块和预测模块；

49、预后评估模块：用于基于所述卒中可能性的预测结果和所述认知功能障碍的预测结果，进行预后评估，得到预测的预后评估结果。

50、另一方面，提供一种脑缺血缺氧患者认知功能与预后的预测设备，所述脑缺血缺氧患者认知功能与预后的预测设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述脑缺血缺氧患者认知功能与预后的预测方法中的任一项所述的方法。

51、另一方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述脑缺血缺氧患者认知功能与预后的预测方法中的任一项所述的方法。

52、本发明实施例提供的技术方案带来的有益效果至少包括：

53、本发明实施例提供的技术方案能全面评估脑缺血缺氧患者认知功能状态和预后状态。本发明实施例提供的技术方案能通过对脑缺血缺氧患者存在广泛、不同程度不同领域的认知功能障碍和卒中事件进行详细的评价，并提供多模态模型对对脑缺血缺氧患者的预后进行预测。本技术能个体化地详细评估认知功能状态对于烟雾病的治疗至关重要。同时本技术所提供的技术方案可以成为烟雾病治疗的一种重要的辅助方法。