基于复杂网络脑胶质肿瘤患者脑功能重塑预测方法及系统

1.本发明涉及计算机和医学领域，特别是涉及一种基于复杂网络的脑胶质肿瘤患者脑功能重塑预测方法及系统。


背景技术：

2.脑胶质瘤是指起源于脑神经胶质细胞的肿瘤，是最常见的原发性颅内肿瘤，占所有中枢神经系统肿瘤的27％，占恶性肿瘤的80％，是神经外科治疗中最棘手的“大脑杀手”。脑胶质瘤治疗以手术切除为主，结合放疗、化疗等综合治疗方法。脑胶质瘤的再发率较高，再发时一般采取再次手术、再次放射线照射、贝伐珠单抗bevacizumab(分子标的药、血管内皮增殖因子抑制药)等治疗方法。因此，通过人工智能与复杂网络等技术手段揭示脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，可建立术前术后患者脑功能改变的预测模型。为了给脑胶质瘤患者治疗后康复及综合治疗提供依据，脑胶质肿瘤患者脑功能重塑预测及验证显得尤为重要。
3.一方面，脑部图像融合三维可视化与脑胶质瘤患者基于种子点的功能连接是脑胶质肿瘤患者脑功能重塑研究的重要组成部分。随着医学图像计算机处理水平的提高，针对脑胶质瘤外科手术的相关技术不断发展，如神经导航、术中磁共振解剖及功能成像、正电子发射型计算机断层显像(pet)等，整合这些技术可建立一个统一的脑肿瘤可视化与影像分析平台。现有的医学可视化系统如dextroscope术前计划系统，需要使用昂贵的专业图形工作站，甚至用多cpu处理器的超级计算机或用分布式计算的方法来实现。项目组提出图像融合、深度学习算法分割与基于脑网络分析的脑胶质瘤患者种子点的功能连接等技术，使得脑胶质瘤患者的三维可视化与脑功能区功能连接轻量化，可大大减少医院设备部署成本，为更多的患者减轻医疗成本。
4.另一方面，脑肿瘤患者行为与功能变化的大脑重塑的影像学关联与治疗前后脑功能改变的预测模型研究也是脑胶质肿瘤患者脑功能重塑预测及验证不可或缺的部分。传统的肿瘤分割等研究手段并不完全适合脑胶质肿瘤的研究，需要一些启发式的创新型研究方法对脑胶质肿瘤患者的脑功能进行重塑预测及验证。基于种子点的功能连接是对脑胶质患者进行脑网络分析的基础，通过建立脑网络，可以分析术前术后脑功能变化。同时，根据功能连接特性，可以找到与特定脑功能相关的脑区，用于辅助术前确定脑胶质瘤切除区域，尽可能的保护患者脑功能的完整性。


技术实现要素：

5.本发明的目的是：揭示脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，建立一套集脑胶质肿瘤分析、诊断、干预于一体的综合性系统，为脑胶质瘤患者治疗后康复及综合治疗提供依据。
6.为了达到上述目的，本发明的一个技术方案是提供了一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，包括：
7.样本数据采集模块，用于通过核磁共振仪采集人体脑部的放射学影像；
8.图像融合三维可视化模块，进一步包括：
9.图像融合模型，用于完成不同模态下的端到端的图像融合；
10.脑胶质瘤分割网络，实现基于融合影像的端到端的脑胶质瘤图像分割；
11.三维可视化成像，根据图像融合模型所得到的融合图像和脑胶质瘤分割网络所得到的分割结果进行三维可视化成像；
12.患者脑功能网络，用于进行术前术后的脑功能预测；
13.影像学关联模块，用于阐明不同脑肿瘤患者间的行为与mri图像之间的关联，通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性，进一步分析患者脑功能网络指标与脑胶质瘤等级关系的横向对比；
14.治疗前后脑功能改变的预测模型，用于对脑功能异常的患者脑功能网络特征进行分析，探究患者脑结构变化与认知功能关系的治疗前后对比。
15.优选地，所述不同模态包括各种常用临床诊疗影像。
16.优选地，所述患者脑功能网络采用以下步骤构建：
17.步骤101、使用多模态融合技术，获得脑胶质瘤患者的脑融合图；
18.步骤102、使用标准化医学影像处理流程对脑融合图进行数据预处理；
19.步骤103、对脑融合图进行分割，得到肿瘤区域的mask，使用分割得到的mask定义种子点，基于种子点通过脑模板定义感兴趣的脑区，提取感兴趣的脑区的平均信号量，计算感兴趣的脑区之间或者每个感兴趣的脑区和全脑体素信号的相关系数，从而得到相关矩阵；
20.步骤104、对相关矩阵进行二值化处理，获得患者脑功能网络的二值矩阵，构建得到患者脑功能网络；
21.步骤105、使用复杂网络与统计物理对患者脑功能网络进行分析。
22.优选地，所述通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性包括以下步骤：
23.步骤201、研究对象：收集收治不同脑肿瘤患者，包括男性患者、女性患者、mgmt启动子阳性患者、mgmt启动子阴性患者；
24.步骤202、扫描参数：横轴面t1wi序列增强扫描，对比剂采用gd-dtpa，注射剂量0.1mmol/kg，参数：tr 2600ms，te 13.2ms，fov 260mm，层厚6mm，层数：18；
25.步骤203、感兴趣的脑区绘制：应用半自动阈值法进行绘制，设定阈值0-1000voxels，单次点击最大填充范围为200pixels，绘制蒙片；
26.步骤204、特征提取；
27.步骤205、建立预测模型：将所有的特征数据随机分为训练集及测试集，使用z标准化法对特征数据进行预处理，使用logistic regression、linearsvc、svc、ridge、gaussian、randongmforest、adaboost模型进行训练及测试；
28.步骤206、统计学软件：使用spss25.0，二元线性回归计算多因素预测因子，绘制接收者操作特征曲线，计算曲线下面积，检验水准：p＜0.05。
29.优选地，步骤205中，对特征数据进行预处理包括：先进行主成分分析法降维，降维后使用特征排序及递归消除法筛选特征，最后利用随机过采样处理不平衡数据。
30.优选地，所述预测模型采用以下步骤建立：
31.步骤301、选择符合纳入标准的脑胶质瘤患者，均有术后病理；
32.步骤302、进行脑电图和多模态脑mri检查，在术前1周内、术后1周及1月分别进行一次相同的检查，共进行三次检查；
33.步骤303、对脑电图和多模态脑mri数据进行后处理初步分析；
34.步骤304、利用多模态数据融合技术将影像数据和脑电数据进行时间域、空间域的融合，建立机器学习等分类模型。
35.本发明的另一个技术方案是提供了一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测方法，其特征在于，包括以下步骤：
36.s100、样本数据采集：通过核磁共振仪采集人体脑部的放射学影像。
37.s200、图像融合三维可视化；
38.s300、构建患者脑功能网络，包括以下步骤：
39.s301、使用多模态融合技术，获得脑胶质瘤患者的脑融合图；
40.s302、使用标准化医学影像处理流程对脑融合图进行数据预处理；
41.s303、对脑融合图进行分割，得到肿瘤区域的mask，使用分割得到的mask定义种子点，基于种子点通过脑模板定义感兴趣的脑区，提取感兴趣的脑区的平均信号量，计算感兴趣的脑区之间或者每个感兴趣的脑区和全脑体素信号的相关系数，从而得到相关矩阵；
42.s304、对相关矩阵进行二值化处理，获得患者脑功能网络的二值矩阵，构建得到患者脑功能网络；
43.s305、使用复杂网络与统计物理对患者脑功能网络进行分析；
44.s400、阐明不同脑肿瘤患者间的行为与mri图像之间的关联，通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性，进一步分析患者脑功能网络指标与脑胶质瘤等级关系的横向对比；
45.s500、基于预测模型对脑功能异常的患者脑功能网络特征进行分析，探究患者脑结构变化与认知功能关系的治疗前后对比。
46.优选地，步骤s200包括以下步骤：
47.s201、利用图像融合模型进行完成不同模态下的端到端的图像融合；
48.s202、采用脑胶质瘤分割网络实现基于融合影像的端到端的脑胶质瘤图像分割；
49.s203、根据图像融合模型所得到的融合图像和脑胶质瘤分割网络所得到的分割结果进行三维可视化成像。
50.优选地，步骤s400中，通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性包括以下步骤：
51.s401、研究对象：收集收治不同脑肿瘤患者，包括男性患者、女性患者、mgmt启动子阳性患者、mgmt启动子阴性患者；
52.s402、扫描参数：横轴面t1wi序列增强扫描，对比剂采用gd-dtpa，注射剂量0.1mmol/kg，参数：tr 2600ms，te 13.2ms，fov 260mm，层厚6mm，层数：18；
53.s403、感兴趣的脑区绘制：应用半自动阈值法进行绘制，设定阈值0-1000voxels，单次点击最大填充范围为200pixels，绘制蒙片；
54.s404、特征提取；
55.s405、建立预测模型：将所有的特征数据随机分为训练集及测试集，使用z标准化法对特征数据进行预处理，使用logistic regression、linearsvc、svc、ridge、gaussian、randongmforest、adaboost模型进行训练及测试；
56.s406、统计学软件：使用spss25.0，二元线性回归计算多因素预测因子，绘制接收者操作特征曲线，计算曲线下面积，检验水准：p＜0.05。
57.优选地，步骤s500中，预测模型采用以下步骤建立：
58.s501、选择符合纳入标准的脑胶质瘤患者，均有术后病理；
59.s502、进行脑电图和多模态脑mri检查，在术前1周内、术后1周及1月分别进行一次相同的检查，共进行三次检查；
60.s503、对脑电图和多模态脑mri数据进行后处理初步分析；
61.s504、利用多模态数据融合技术将影像数据和脑电数据进行时间域、空间域的融合，建立机器学习等分类模型。
62.本发明探索了构建脑胶质肿瘤患者脑功能网络方法及脑网络分析方法，揭示脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，同时建立术前术后患者脑功能改变的预测模型，建立一套集脑胶质肿瘤分析、诊断、干预于一体的综合性系统，可为脑胶质瘤患者治疗后康复及综合治疗提供依据。面向人民生命健康需要科技助力，通过科技创新尽力保障脑胶质瘤患者的生活质量，守护人民生命健康。
63.本发明结构设计合理，建立了不同脑胶质瘤患者间的行为和个体治疗前后脑功能与mri图像之间的关联，包括分析脑网络指标与脑胶质瘤等级关系的横向对比和探究患者脑结构变化与认知功能关系的纵向对比，最终构建分析脑功能异常的脑网络特征，为脑胶质瘤患者的认知功能保护提供新的思路，实现脑胶质肿瘤患者脑功能重塑预测及验证系统。
64.相比于现有技术，本发明至少具有以下优点：
65.(1)模式创新：以复杂脑网络的技术实现脑胶质肿瘤患者脑功能重塑预测及验证，从脑图谱入手解析大脑机制，通过绘制大脑的宏观、介观和微观的脑图谱，获得大脑的“结构地图”、“连接地图”和“功能控制地图”等进而构建脑网络。
66.(2)理论创新：创新性地使用量子统计理论，将大脑活动类比到系综，用多种配分函数计算脑网络的熵，在此基础上建立与脑胶质肿瘤病因相关脑区的研究机制，从横向和纵向两个维度揭示脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，同时建立术前术后患者脑功能改变的预测模型并作进一步验证。
67.(3)方法创新：一方面，在构建脑胶质瘤患者的脑功能网络中，创新性地与深度学习图像分割技术相结合，利用图像分割得到的mask作为种子点，使得研究更具有针对性；另一方面，将大脑抽象为网络，可以利用强大的网络分析工具与理论，深入理解脑胶质瘤患者的脑结构与脑功能之间的关系，对理解脑胶质瘤患者功能变化具有启发性。
附图说明
68.图1为本发明提供的一种基于复杂网络的脑胶质肿瘤患者脑功能重塑预测方法及系统的整体架构图
具体实施方式
69.下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。
70.在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
71.本发明所公开的技术方案基于多模态功能磁共振成像、神经导航、个体化脑功能区识别等技术，实现图像融合三维可视化，确立脑胶质瘤患者基于种子点的功能连接，阐明脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，建立治疗前后脑功能改变的预测模型，并进行数据集验证，具体包括如下步骤：
72.s100、样本数据采集：通过核磁共振仪采集人体脑部的放射学影像。
73.s200、图像融合三维可视化，具体包括以下步骤：
74.s201、多模态图像融合：
75.研究高效的图像融合方法，完成不同模态下的端到端的图像融合模型，利用图像融合模型实现多模态图像融合，这些模态包含但不限于mri、ct等常用临床诊疗影像；
76.s202、脑胶质瘤分割：
77.实现基于融合影像的端到端的脑胶质瘤分割网络；
78.s203、三维重建可视化：
79.根据图像融合模型所获得的融合图像以及脑胶质瘤分割网络所获得的分割结果进行三维可视化成像。
80.s300、确立脑胶质瘤患者基于种子点的功能连接：
81.研究脑胶质瘤患者的脑功能变化，构建患者脑功能网络，进行术前术后的脑功能预测，具体包括以下步骤：
82.s301、确定一个脑区或者多个脑区作为感兴趣区域(roi，region of interest)，提取出roi内的平均信号量，计算roi之间或者每个roi和全脑体素信号的相关系数.
83.本实施例子中，可以采用以下方式中的任意一种方式获得roi：
84.方式一)将其他脑功能或者结构指标的统计差异显著脑区作为roi；
85.方式二)基于标准分区模版(例如自动解剖标记图谱)，获得roi；
86.方式三)手工绘制roi，从影像中获取roi的坐标。
87.s303、脑网络构建：
88.首先使用多模态融合技术，获得脑胶质瘤患者的脑融合图。然后使用标准化医学影像处理流程对脑融合图进行数据预处理，如降噪、空间配准等，以消除大脑的个体性差异。随后对脑融合图进行分割，得到肿瘤区域的mask。使用分割得到的mask用于定义种子点，确定roi后，采用步骤301提取信号计算相关性，从而得到相关矩阵。通过对相关矩阵进行二值化处理，获得脑网络的二值矩阵，构建得到患者脑功能网络。最后使用复杂网络与统计物理对患者脑功能网络进行分析。
89.s400、阐明脑肿瘤患者行为与功能变化的大脑重塑的影像学关联：
90.阐明不同脑肿瘤患者间的行为与mri图像之间的关联，亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性，分析患者脑功能网络指标与脑胶质瘤等级关系的横向对比，为脑胶质瘤患者的认知功能保护提供新的思路，具体包括以下步骤：
91.s401、研究对象：收集收治脑肿瘤患者共1679例，经严格排除纳入标准。最终男性17例，女性23例，年龄：29-80岁；mgmt启动子阳性患者21例，阴性患者19例。
92.s402、扫描参数：横轴面t1wi序列增强扫描(t1c)，对比剂采用gd-dtpa，注射剂量0.1mmol/kg，参数：tr 2600ms，te 13.2ms，fov 260mm，层厚6mm，层数：18；
93.s403、roi绘制：应用“半自动阈值法”进行绘制，设定阈值0-1000voxels(体素)，单次点击最大填充范围为200pixels(像素)，绘制蒙片(mask)；
94.s404、特征提取及分析：提取包括原始(original)特征(n＝112)、高斯-拉普拉斯(laplacian of gaussian log)滤波器图像特征(n＝186)、小波特征(wavelet-based)(n＝744)在内的共计1037个特征；
95.s405、建立预测模型：将所有数据随机按8：2比例分为训练集(trainning set)及测试集(testing set)，使用z标准化法(standard scaler)对数据进行预处理，主成分分析法(pca)降维，降维后使用特征排序及递归消除法(feature ranking with recursive feature elimination rfe)筛选特征，随机过采样(random over sample)处理不平衡数据后，使用logistic regression、linearsvc、svc、ridge、gaussian、randongmforest、adaboost模型进行预测；
96.s406、统计学软件：使用spss25.0，二元线性回归计算多因素预测因子，绘制接收者操作特征曲线(roc)，计算曲线下面积(auc)，检验水准：p＜0.05。
97.s500、建立治疗前后脑功能改变的预测模型：
98.探究患者脑结构变化与认知功能关系的纵向对比，最终构建分析脑功能异常的脑网络特征，具体包括以下步骤：
99.s501、选择符合纳入标准的脑胶质瘤患者，均有术后病理；
100.s502、进行脑电图(eeg)和多模态脑mri检查(pwi、t1薄层扫描、dti，blod-fmri序列)，共3次(术前1周内、术后1周及1月)相同的检查；
101.s503、对egg和mri数据进行后处理初步分析；
102.s504、利用机器学习和复杂网络等多模态数据融合技术将影像数据和脑电数据进行时间域、空间域的融合，建立机器学习等分类模型。
103.本发明基于多模态功能磁共振成像、神经导航、个体化脑功能区识别等技术，实现图像融合三维可视化，确立脑胶质瘤患者基于种子点的功能连接，阐明脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，建立治疗前后脑功能改变的预测模型，实现脑胶质肿瘤患者脑功能重塑预测及验证系统。

技术特征：
1.一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，包括：样本数据采集模块，用于通过核磁共振仪采集人体脑部的放射学影像；图像融合三维可视化模块，进一步包括：图像融合模型，用于完成不同模态下的端到端的图像融合；脑胶质瘤分割网络，实现基于融合影像的端到端的脑胶质瘤图像分割；三维可视化成像，根据图像融合模型所得到的融合图像和脑胶质瘤分割网络所得到的分割结果进行三维可视化成像；患者脑功能网络，用于进行术前术后的脑功能预测；影像学关联模块，用于阐明不同脑肿瘤患者间的行为与mri图像之间的关联，通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性，进一步分析患者脑功能网络指标与脑胶质瘤等级关系的横向对比；治疗前后脑功能改变的预测模型，用于对脑功能异常的患者脑功能网络特征进行分析，探究患者脑结构变化与认知功能关系的治疗前后对比。2.如权利要求1所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，所述不同模态包括各种常用临床诊疗影像。3.如权利要求1所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，所述患者脑功能网络采用以下步骤构建：步骤101、使用多模态融合技术，获得脑胶质瘤患者的脑融合图；步骤102、使用标准化医学影像处理流程对脑融合图进行数据预处理；步骤103、对脑融合图进行分割，得到肿瘤区域的mask，使用分割得到的mask定义种子点，基于种子点通过脑模板定义感兴趣的脑区，提取感兴趣的脑区的平均信号量，计算感兴趣的脑区之间或者每个感兴趣的脑区和全脑体素信号的相关系数，从而得到相关矩阵；步骤104、对相关矩阵进行二值化处理，获得患者脑功能网络的二值矩阵，构建得到患者脑功能网络；步骤105、使用复杂网络与统计物理对患者脑功能网络进行分析。4.如权利要求1所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，所述通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性包括以下步骤：步骤201、研究对象：收集收治不同脑肿瘤患者，包括男性患者、女性患者、mgmt启动子阳性患者、mgmt启动子阴性患者；步骤202、扫描参数：横轴面t1wi序列增强扫描，对比剂采用gd-dtpa，注射剂量0.1mmol/kg，参数：tr 2600ms，te 13.2ms，fov 260mm，层厚6mm，层数：18；步骤203、感兴趣的脑区绘制：应用半自动阈值法进行绘制，设定阈值0-1000voxels，单次点击最大填充范围为200pixels，绘制蒙片；步骤204、特征提取；步骤205、建立预测模型：将所有的特征数据随机分为训练集及测试集，使用z标准化法对特征数据进行预处理，使用logistic regression、linearsvc、svc、ridge、gaussian、randongmforest、adaboost模型进行训练及测试；步骤206、统计学软件：使用spss25.0，二元线性回归计算多因素预测因子，绘制接收者
操作特征曲线，计算曲线下面积，检验水准：p＜0.05。5.如权利要求4所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，步骤205中，对特征数据进行预处理包括：先进行主成分分析法降维，降维后使用特征排序及递归消除法筛选特征，最后利用随机过采样处理不平衡数据。6.如权利要求1所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测系统，其特征在于，所述预测模型采用以下步骤建立：步骤301、选择符合纳入标准的脑胶质瘤患者，均有术后病理；步骤302、进行脑电图和多模态脑mri检查，在术前1周内、术后1周及1月分别进行一次相同的检查，共进行三次检查；步骤303、对脑电图和多模态脑mri数据进行后处理初步分析；步骤304、利用多模态数据融合技术将影像数据和脑电数据进行时间域、空间域的融合，建立机器学习等分类模型。7.一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测方法，其特征在于，包括以下步骤：s100、样本数据采集：通过核磁共振仪采集人体脑部的放射学影像。s200、图像融合三维可视化；s300、构建患者脑功能网络，包括以下步骤：s301、使用多模态融合技术，获得脑胶质瘤患者的脑融合图；s302、使用标准化医学影像处理流程对脑融合图进行数据预处理；s303、对脑融合图进行分割，得到肿瘤区域的mask，使用分割得到的mask定义种子点，基于种子点通过脑模板定义感兴趣的脑区，提取感兴趣的脑区的平均信号量，计算感兴趣的脑区之间或者每个感兴趣的脑区和全脑体素信号的相关系数，从而得到相关矩阵；s304、对相关矩阵进行二值化处理，获得患者脑功能网络的二值矩阵，构建得到患者脑功能网络；s305、使用复杂网络与统计物理对患者脑功能网络进行分析；s400、阐明不同脑肿瘤患者间的行为与mri图像之间的关联，通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性，进一步分析患者脑功能网络指标与脑胶质瘤等级关系的横向对比；s500、基于预测模型对脑功能异常的患者脑功能网络特征进行分析，探究患者脑结构变化与认知功能关系的治疗前后对比。8.如权利要求7所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测方法，其特征在于，步骤s200包括以下步骤：s201、利用图像融合模型进行完成不同模态下的端到端的图像融合；s202、采用脑胶质瘤分割网络实现基于融合影像的端到端的脑胶质瘤图像分割；s203、根据图像融合模型所得到的融合图像和脑胶质瘤分割网络所得到的分割结果进行三维可视化成像。9.如权利要求7所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测方法，其特征在于，步骤s400中，通过亚区mri影像组学结合分类算法预测脑胶质母细胞瘤mgmt甲基化有效性包括以下步骤：
s401、研究对象：收集收治不同脑肿瘤患者，包括男性患者、女性患者、mgmt启动子阳性患者、mgmt启动子阴性患者；s402、扫描参数：横轴面t1wi序列增强扫描，对比剂采用gd-dtpa，注射剂量0.1mmol/kg，参数：tr 2600ms，te 13.2ms，fov 260mm，层厚6mm，层数：18；s403、感兴趣的脑区绘制：应用半自动阈值法进行绘制，设定阈值0-1000voxels，单次点击最大填充范围为200pixels，绘制蒙片；s404、特征提取；s405、建立预测模型：将所有的特征数据随机分为训练集及测试集，使用z标准化法对特征数据进行预处理，使用logistic regression、linearsvc、svc、ridge、gaussian、randongmforest、adaboost模型进行训练及测试；s406、统计学软件：使用spss25.0，二元线性回归计算多因素预测因子，绘制接收者操作特征曲线，计算曲线下面积，检验水准：p＜0.05。10.如权利要求7所述的一种基于复杂网络脑胶质肿瘤患者脑功能重塑预测方法，其特征在于，步骤s500中，预测模型采用以下步骤建立：s501、选择符合纳入标准的脑胶质瘤患者，均有术后病理；s502、进行脑电图和多模态脑mri检查，在术前1周内、术后1周及1月分别进行一次相同的检查，共进行三次检查；s503、对脑电图和多模态脑mri数据进行后处理初步分析；s504、利用多模态数据融合技术将影像数据和脑电数据进行时间域、空间域的融合，建立机器学习等分类模型。

技术总结
本发明揭示了一种基于复杂网络的脑胶质肿瘤患者脑功能重塑预测方法及系统，基于多模态功能磁共振成像、神经导航、个体化脑功能区识别等技术，实现图像融合三维可视化，确立脑胶质瘤患者基于种子点的功能连接，阐明脑肿瘤患者行为与功能变化的大脑重塑的影像学关联，建立治疗前后脑功能改变的预测模型，并进行数据集验证。本发明提供的一种基于复杂网络的脑胶质肿瘤患者脑功能重塑预测方法及系统，实现稳步提升模型的预测准确率的目标，为脑胶质瘤患者治疗后康复及综合治疗提供依据。患者治疗后康复及综合治疗提供依据。患者治疗后康复及综合治疗提供依据。


技术研发人员：武星
受保护的技术使用者：上海大学
技术研发日：2022.11.12
技术公布日：2023/9/23