本發(fā)明涉及創(chuàng)傷預后領域，尤其涉及一種急性腦創(chuàng)傷預后檢測系統(tǒng)。

背景技術：

1、創(chuàng)傷性腦損傷(tbi)指機械外力直接作用于頭部所致?lián)p傷，全球年發(fā)病率高達939/100000[1]。tbi致殘率及致死率較高，10％輕度和66％～100％中-重度tbi患者存在長期認知功能障礙；早期、快速判斷tbi嚴重程度有助于臨床及時制定治療方案并改善預后[2]。經(jīng)顱多普勒(transcranial?doppler,tcd)評估神經(jīng)損傷有較高價值，腦血流速度增加可早期預測缺血缺氧性腦病、神經(jīng)認知能力下降等神經(jīng)系統(tǒng)并發(fā)癥的發(fā)生[3]。大腦中動脈是頸內(nèi)動脈最大分支，承擔腦組織80％血液供應，可直接反映腦組織血流動力學變化。

2、目前腦血流動力學、影像組學已用于評估自發(fā)性腦出血病情和預后等[4,5]。但臨床多根據(jù)腦血流動力學等并結(jié)合臨床經(jīng)驗評估tbi病情的嚴重程度，易誤診、漏診，且存在一定主觀性[6,7]。多模態(tài)檢測成為醫(yī)療診斷的重要趨勢，在眾多神經(jīng)信息檢測手段中，隨著bci研究的發(fā)展，已有不少研究發(fā)現(xiàn)腦電特征與疾病病理存在一定的聯(lián)系，eeg由于操作簡單、無創(chuàng)、時間分辨率高等多個優(yōu)點被廣泛應用。

3、參考文獻

4、[1]dewan?mc,rattani?a,et?al.estimating?the?global?incidence?oftraumatic?brain?injury.jneurosurg.2018apr?27；130(4):1080-1097.

5、[2]maas?air,menon?dk,et?al.traumatic?brain?injury:integratedapproaches?to?improve?prevention,clinical?care,and?research.lancetneurol.2017dec；16(12):987-1048.

6、[3]millet?a,evain?jn,et?al.clinical?applications?of?transcranialdoppler?in?non-trauma?critically?ill?children:a?scoping?review.childs?nervsyst.2021sep；37(9):2759-2768.

7、[4]ye?h,gao?f,et?al.precise?diagnosis?of?intracranial?hemorrhage?andsubtypes?using?a?three-dimensional?joint?convolutional?and?recurrent?neuralnetwork.eur?radiol.2019nov；29(11):6191-6201.

8、[5]jain?v,de?godoy?ll,et?al.cerebral?hemodynamic?and?metabolicdysregulation?in?the?postradiation?brain.j?neuroimaging.2022nov；32(6):1027-1043.

9、[6]koyama?t,uchiyama?y,et?al.comparison?of?fractional?anisotropy?fromtract-based?spatial?statistics?with?and?without?lesion?masking?in?patientswith?intracerebral?hemorrhage:atechnical?note.j?stroke?cerebrovascdis.2019nov；28(11):104376.

10、[7]muravskiy?a,polischuk?m,et?al.changes?in?cerebral?hemodynamics?inboxers?with?repeated?traumatic?brain?injury.pol?merkur?lekarski.2020oct?23；48(287):312-317.

技術實現(xiàn)思路

1、本發(fā)明提供了一種急性腦創(chuàng)傷預后檢測系統(tǒng)，本發(fā)明可對急性腦創(chuàng)傷患者進行早期、簡單且準確地檢測，詳見下文描述：

2、一種急性腦創(chuàng)傷預后檢測系統(tǒng)，所述系統(tǒng)包括：多源數(shù)據(jù)同步采集提取部分、數(shù)據(jù)預處理部分、機器學習預測模型以及急性創(chuàng)傷性腦損傷結(jié)果顯示，

3、全腦分布的19導eeg數(shù)據(jù)與左右mca數(shù)據(jù)在混合聽覺誘發(fā)范式任務下進行多源數(shù)據(jù)同步采集提取，對腦創(chuàng)傷患者的臨床數(shù)據(jù)、eeg、mca、分類標簽gos進行數(shù)據(jù)預處理；

4、將預處理后的數(shù)據(jù)輸入機器學習預測模型，所述預測模型計算后輸出tbi患者發(fā)生預后不良的概率；

5、tbi患者不良率預測結(jié)果顯示tbi患者發(fā)生預后不良的概率。

6、其中，所述的范式為聽覺穩(wěn)態(tài)誘發(fā)響應(assr)整合到聽覺p300系統(tǒng)中的混合聽覺誘發(fā)范式；

7、聲音刺激載波頻率為500hz和2000hz，調(diào)制頻率為40hz，聽覺刺激經(jīng)過調(diào)制深度為100％的幅度調(diào)制am分別為標準刺激和偏差刺激，在每個任務試次trial中，標準刺激和偏差刺激以4:1的比例隨機出現(xiàn)，從而誘發(fā)聽覺p300；同步采集混合聽覺誘發(fā)范式下的eeg和左右mca數(shù)據(jù)，并離線計算提取用戶的腦電特征參數(shù)。

8、其中，所述急性創(chuàng)傷性腦損傷數(shù)據(jù)的采集及提取為：患者進行排納和多生理數(shù)據(jù)提取，納入標準：年齡≥18歲；患者格拉斯哥昏迷評分(glasgow?coma?score，gcs)≤12分；排除標準：開放性顱腦創(chuàng)傷；嚴重多發(fā)傷；外院轉(zhuǎn)入康復患者；入院即死亡患者；此次疾病前已有腦外傷患者；失訪、資料不全者；肝腎衰竭；伴出血性疾病；凝血功能障礙；合并重癥感染；伴惡性腫瘤；

9、數(shù)據(jù)采集：住院后1天、1周、2周時的erp和assr腦電特征參數(shù)、mca血流動力學參數(shù)以及患者基本信息，腦血流參數(shù)和eeg數(shù)據(jù)同步采集與提取；

10、對所述數(shù)據(jù)采集和提取之后，對數(shù)據(jù)進行預處理：數(shù)據(jù)清洗以及歸一化處理。

11、其中，所述機器學習預測模型采用支持向量機機器學習算法構(gòu)建，回顧性收集共300例tbi患者，210例tbi為訓練集，90例tbi為測試集；

12、將預處理后的數(shù)據(jù)輸入預測模型，svm分類模型參數(shù)設置如下：錯誤項的懲罰系數(shù)為200，核函數(shù)類型為高斯核，核函數(shù)系數(shù)為5，是否啟用概率估計為false，是否采用啟發(fā)式收縮方式為ture，模型停止訓練的誤差精度為0.001，指定訓練所需要的內(nèi)存為400，給每個類別分別設置不同的懲罰參數(shù)的權(quán)重為none，最大迭代次數(shù)為-1，交叉驗證參數(shù)為5，模型評價標準為roc、auc。

13、本發(fā)明提供的技術方案的有益效果是：

14、1、本發(fā)明將基于聽覺事件相關電位(event-related?potential，erp)和聽覺穩(wěn)態(tài)誘發(fā)電位(auditory?steady-state?response，assr)的混合聽覺誘發(fā)范式的腦-機接口方法腦電參數(shù)、大腦中動脈血流動力學參數(shù)建立機器學習(machine?learning，ml)模型預測急性期tbi?6個月預后不良率；

15、2、本發(fā)明在訓練集、測試集進行了訓練驗證，確保了本發(fā)明建立的預測模型可以對急性腦創(chuàng)傷患者進行早期、簡單且準確地預測，進而臨床輔助臨床決策的制定；

16、3、基于svm機器學習預后檢測系統(tǒng)可以對tbi患者進行早期預后預測，幫助臨床醫(yī)生為tbi患者更早地提供個性化輔助治療方案，為tbi患者的治療提供建議。

17、4、本發(fā)明實現(xiàn)其大腦意識水平檢測，可推廣至神經(jīng)科學、生命科學等領域，獲得可觀的社會效益和經(jīng)濟效益。