本发明涉及医学数据处理，尤其涉及一种基于静息态脑电的震颤严重程度评估方法与系统。
背景技术：
1、特发性震颤，又称原发性震颤(essential tremor，et)，是常见的运动障碍疾病。根据国际帕金森与运动障碍协会(ipmds)震颤组最新的震颤分类，et是一种以双上肢动作性震颤为主，伴或不伴其他部位，如头部、口面、声音及下肢，的震颤的一类综合征。
2、目前特发性震颤病因机制尚不明确，小脑-丘脑-皮质环路可能是重要的病理生理学基础。临床治疗以药物干预为主，但目前尚缺乏有效的客观评估特发性震颤严重程度的手段，目前评估疾病严重程度的指标仍主要依赖于临床症状、查体及震颤量表。其中，查体过程中患者的震颤程度和频率很容易受到情绪心理因素的影响，具有波动性；量表评价亦同样会受到被试者和评估者的多因素影响，具有一定主观性，例如被试者文化教育背景、沟通能力、情绪认知状态的不同，以及评估者专业性、经验及评判标准的异质性等因素均会影响量表评估的准确性和客观性。此外，一套完整量表，例如特发性震颤量表(tetras)以及震颤评定量表(trs)，完成平均需60-80分钟，还需要至少一名高年资医师指导下操作，耗时费力，难以在临床诊疗中常规使用。
3、因此，亟需一种新型的震颤严重程度评估方法，以客观、高效地评估特发性震颤患者的震颤严重程度。
技术实现思路
1、本发明提供一种基于静息态脑电的震颤严重程度评估方法与系统，用以解决现有技术缺乏高效客观的针对震颤严重程度进行评价的定量工具的缺陷。
2、本发明提供一种基于静息态脑电的震颤严重程度评估模型的构建方法，包括：
3、获取目标人群的静息态脑电数据和行为学指标数据，其中，目标人群为特发性震颤患者，行为学指标数据包括以下任一项或其任意组合：特发性震颤量表(the essentialtremor rating assessment scale，tetras)数据、生活能力量表(daily living)数据、执行子量表(performance)数据；
4、根据目标人群的静息态脑电数据，为目标人群中的每个个体构建脑功能网络；
5、基于图论理论，根据目标频段对每个个体的脑功能网络提取全脑网络属性数据，得到目标人群的全脑网络属性数据，其中，全脑网络属性数据包括以下任一项或其任意组合：第一聚类系数(clu)数据、第一特征路径长度(cpl)数据、第一全局效率(ge)数据、第一局部效率(le)数据、第一节点强度(ns)数据；
6、基于图论理论，根据目标导联对每个个体的脑功能网络提取局部脑网络属性数据，得到目标人群的局部脑网络属性数据，其中，局部脑网络属性数据包括以下任一项或其任意组合：第二聚类系数(clu)数据、第二局部效率(ge)数据、第二节点强度(ns)数据；
7、将目标人群的全脑网络属性数据和局部脑网络属性数据中的每一项属性数据与目标人群的行为学指标数据进行相关性分析，在目标人群的全脑网络属性数据和局部脑网络属性数据中筛选得到目标人群的震颤严重程度评估指标数据；
8、根据目标人群的震颤严重程度评估指标数据和行为学指标数据，训练得到震颤严重程度评估模型，用于评估特发性震颤患者的震颤严重程度。
9、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，所述获取目标人群的静息态脑电数据和行为学指标数据，包括：
10、获取目标人群在静息态64导脑电闭眼状态下的脑电数据；
11、根据国际10-20标准导联系统，从目标人群在静息态64导脑电闭眼状态下的脑电数据中提取32导联数据，作为目标人群的静息态脑电数据。
12、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，32导联数据包括以下任一个导联或其任意组合的脑电数据：af3、af4、c3、c4、cp1、cp2、cp5、cp6、cz、f3、f4、f7、f8、fc1、fc2、fc5、fc6、fp1、fp2、fz、o1、o2、oz、p3、p4、p7、p8、po3、po4、pz、t7、t8。
13、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，所述根据目标人群的静息态脑电数据，为目标人群中的每个个体构建脑功能网络，包括：
14、根据预设时间长度，对目标人群中每个个体的静息态脑电数据进行分段处理，得到目标人群中每个个体的多个脑电数据段；
15、根据目标人群中每个个体的多个脑电数据段，针对每一脑电数据段，计算每两个导联之间的锁相值，得到每个脑电数据段的对称矩阵，以及，将每个脑电数据段的对称矩阵进行平均处理，得到目标人群中每个个体的脑功能网络。
16、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，所述根据预设时间长度，对目标人群中每个个体的静息态脑电数据进行分段处理，得到目标人群中每个个体的多个脑电数据段，包括：
17、对目标人群中每个个体的静息态脑电数据依次进行降采样处理、平均参考处理、滤波处理、数据分段处理、伪迹去除处理。
18、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，所述根据目标人群中每个个体的多个脑电数据段，针对每一脑电数据段，计算每两个导联之间的锁相值，得到每个脑电数据段的对称矩阵，以及，将每个脑电数据段的对称矩阵进行平均处理，得到目标人群中每个个体的脑功能网络，包括：
19、根据锁相值表达式得到每两个导联之间的锁相值，其中，锁相值表达式为：
20、
21、锁相值表达式中，x(t)表示一个导联的脑电数据，y(t)表示另一个导联的脑电数据，表示x(t)和y(t)之间的相位差，n表示的长度，即点数。
22、根据本发明提供的一种基于静息态脑电的震颤严重程度评估方法，所述根据目标频段对每个个体的脑功能网络提取全脑网络属性数据，包括：
23、从每个个体的脑功能网络中提取目标频段为alpha频段(即8-13hz频段)的全脑网络属性数据。
24、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，目标导联包括以下任一个或其任意组合：af3、af4、c3、c4、cp1、cp2、cp5、cp6、cz、f3、f4、f7、f8、fc1、fc2、fc5、fc6、fp1、fp2、fz、o1、o2、oz、p3、p4、p7、p8、po3、po4、pz、t7、t8。
25、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，所述将目标人群的全脑网络属性数据和局部脑网络属性数据中的每一项属性数据与目标人群的行为学指标数据进行相关性分析，在目标人群的全脑网络属性数据和局部脑网络属性数据中筛选得到目标人群的震颤严重程度评估指标数据，包括：
26、计算目标人群的全脑网络属性数据和局部脑网络属性数据中的每一项属性数据与目标人群的行为学指标数据之间的皮尔逊相关性；
27、根据皮尔逊相关性的计算结果，在目标人群的全脑网络属性数据和局部脑网络属性数据中，筛选与目标人群的行为学指标数据具有显著相关性(例如利用t-检验，p<0.05，其中，p表示统计学中的假设检验的参数)的脑网络属性数据，并从与目标人群的行为学指标数据具有显著相关性的脑网络属性数据中取符合预设相关性要求(例如显著相关性排名前10％)的脑网络属性数据作为目标人群的震颤严重程度评估指标数据。
28、根据本发明提供的一种基于静息态脑电的震颤严重程度评估模型的构建方法，所述根据目标人群的震颤严重程度评估指标数据和行为学指标数据，训练得到震颤严重程度评估模型，包括：
29、以目标人群的震颤严重程度评估指标数据作为样本数据，以目标人群的行为学指标数据作为标签数据，构建多元线性回归模型，作为震颤严重程度评估模型；
30、采用留一交叉验证(leave-one-out cross-validation，loocv)策略验证震颤严重程度评估模型的预测性能；
31、采用均方根误差量化震颤严重程度评估模型的预测误差程度。
32、本发明还提供一种基于静息态脑电的震颤严重程度评估模型的构建系统，包括：
33、数据获取模块，用于：获取目标人群的静息态脑电数据和行为学指标数据，其中，目标人群为特发性震颤患者，行为学指标数据包括以下任一项或其任意组合：特发性震颤量表(the essential tremor rating assessment scale，tetras)数据、生活能力量表(daily living)数据、执行子量表(performance)数据；
34、脑功能网络构建模块，用于：根据目标人群的静息态脑电数据，为目标人群中的每个个体构建脑功能网络；
35、全局脑网络属性数据提取模块，用于：基于图论理论，根据目标频段对每个个体的脑功能网络提取全脑网络属性数据，得到目标人群的全脑网络属性数据，其中，全脑网络属性数据包括以下任一项或其任意组合：第一聚类系数(clu)数据、第一特征路径长度(cpl)数据、第一全局效率(ge)数据、第一局部效率(le)数据、第一节点强度(ns)数据；
36、局部脑网络属性数据提取模块，用于：基于图论理论，根据目标导联对每个个体的脑功能网络提取局部脑网络属性数据，得到目标人群的局部脑网络属性数据，其中，局部脑网络属性数据包括以下任一项或其任意组合：第二聚类系数(clu)数据、第二局部效率(ge)数据、第二节点强度(ns)数据；
37、震颤严重程度评估指标数据筛选模块，用于：将目标人群的全脑网络属性数据和局部脑网络属性数据中的每一项属性数据与目标人群的行为学指标数据进行相关性分析，在目标人群的全脑网络属性数据和局部脑网络属性数据中筛选得到目标人群的震颤严重程度评估指标数据；
38、模型训练模块，用于：根据目标人群的震颤严重程度评估指标数据和行为学指标数据，训练得到震颤严重程度评估模型，用于评估特发性震颤患者的震颤严重程度。
39、本发明还提供一种基于静息态脑电的震颤严重程度评估系统，包括：
40、数据接收模块，用于：得到待测者的静息态脑电数据，其中，待测者为特发性震颤患者；
41、预测模块，用于：根据待测者的静息态脑电数据，通过上述任一项所述的基于静息态脑电的震颤严重程度评估模型的构建方法得到的震颤严重程度评估模型，预测得到待测者的行为学指标数据。
42、根据本发明提供的一种基于静息态脑电的震颤严重程度评估系统，还包括：
43、评估模块，用于：根据待测者的行为学指标数据，评估待测者的震颤严重程度。
44、本发明还提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现上述任一种所述的基于静息态脑电的震颤严重程度评估模型的构建方法。
45、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种所述的基于静息态脑电的震颤严重程度评估模型的构建方法。
46、本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述任一种所述的基于静息态脑电的震颤严重程度评估模型的构建方法。
47、本发明提供的一种基于静息态脑电的震颤严重程度评估方法与系统，通过分析特发性震颤患者的静息态脑电数据中全脑网络属性数据和局部脑网络属性数据与行为学指标数据之间的相关性，筛选得到震颤严重程度评估指标数据，并根据特发性震颤患者的震颤严重程度评估指标数据和行为学指标数据，训练得到多元线性回归的震颤严重程度评估模型，可以安全、高效、客观地评估待测者的特发性震颤严重程度，有效辅助医生对患者进行准确的诊断，制定有效的治疗方案，同时提高医生的工作效率。
1.一种基于静息态脑电的震颤严重程度评估模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于静息态脑电的震颤严重程度评估模型的构建方法，其特征在于，所述获取目标人群的静息态脑电数据和行为学指标数据，包括：
3.根据权利要求2所述的基于静息态脑电的震颤严重程度评估模型的构建方法，其特征在于，所述根据目标人群的静息态脑电数据，为目标人群中的每个个体构建脑功能网络，包括：
4.根据权利要求3所述的基于静息态脑电的震颤严重程度评估模型的构建方法，其特征在于，所述根据目标频段对每个个体的脑功能网络提取全脑网络属性数据，包括：
5.根据权利要求4所述的基于静息态脑电的震颤严重程度评估模型的构建方法，其特征在于，所述将目标人群的全脑网络属性数据和局部脑网络属性数据中的每一项属性数据与目标人群的行为学指标数据进行相关性分析，在目标人群的全脑网络属性数据和局部脑网络属性数据中筛选得到目标人群的震颤严重程度评估指标数据，包括：
6.根据权利要求5所述的基于静息态脑电的震颤严重程度评估模型的构建方法，其特征在于，所述根据目标人群的震颤严重程度评估指标数据和行为学指标数据，训练得到震颤严重程度评估模型，包括：
7.一种基于静息态脑电的震颤严重程度评估系统，其特征在于，包括：
8.根据权利要求7所述的基于静息态脑电的震颤严重程度评估系统，其特征在于，还包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：
