基于MRI的抑郁疗效预测方法及相关装置

本技术涉及医疗领域，具体而言，涉及一种基于mri的抑郁疗效预测方法及相关装置。背景技术：1、阈下抑郁(subthreshold depression，std)，又称亚临床抑郁、轻度抑郁或亚综合征性抑郁，是指临床显著但不符合重度抑郁症诊断标准的抑郁症状。阈下抑郁已成为一个日益严重的心理健康问题。越来越多的证据表明，阈下抑郁预示着成年期的重度抑郁，其发展为全综合征障碍的风险为67％。此外，青少年阈下抑郁有发展为其他疾病的风险，并与功能障碍、低生活质量和高死亡率相关，这增加了经济成本。因此，对青春期和成年早期阈下抑郁早期干预至关重要。2、与抗抑郁药物和心理疗法相比，光疗是一种公认的、有效、安全、非药物和低成本的季节性抑郁症和非季节性抑郁症干预方法。大量研究表明，光疗可有效减轻季节性情感障碍、非季节性抑郁症、双相抑郁症、老年抑郁症、青少年抑郁症等患者的抑郁症状。且有研究表明，光疗对大学生阈下抑郁具有一定的干预效果。3、但实践过程中发现，目前对光疗改善抑郁的有效性评估，严重依赖医生的专业知识和主观判断，缺乏客观的神经影像学指标。技术实现思路1、为了克服现有技术中的至少一个不足，本技术提供一种基于mri的抑郁疗效预测方法及相关装置，具体包括：2、第一方面，本技术提供一种基于mri的抑郁疗效预测方法，所述方法包括：3、获取多个测试人员的第一抑郁数据以及疗效实测数据，其中，每个所述测试人员的第一抑郁数据表示治疗前的抑郁特征数据；4、根据所述多个测试人员的第一抑郁数据以及疗效实测数据对待训练模型进行训练，得到满足预设条件的疗效预测模型，其中，所述多个测试人员的第一抑郁数据为所述待训练模型训练时的输入数据，所述多个测试人员的疗效实测数据为所述待训练模型训练时的监督数据，所述疗效预测模型用于预测抑郁疗效。5、结合第一方面的可选实施方式，所述待训练模型包括多个待拟合参数，根据所述多个测试人员的第一抑郁数据以及疗效实测数据对待训练模型进行训练，得到满足预设条件的疗效预测模型，包括：6、将所述多个测试人员的第一抑郁数据以及第二抑郁数据划分为多个子数据集，其中，每个所述子数据集包括部分测试人员的第一抑郁数据以及疗效实测数据；7、分别根据每个所述子数据集对所述待训练模型进行训练，得到每个所述子数据集训练出的所述多个待拟合参数的一组初始拟合结果；8、根据多组所述初始拟合结果，得到所述多个待拟合参数的目标拟合结果；9、根据所述多个待拟合参数的目标拟合结果，得到所述疗效预测模型。10、结合第一方面的可选实施方式，根据多组所述初始拟合结果，得到所述多个待拟合参数的目标拟合结果，包括：11、根据多组所述初始拟合结果，得到每个所述待拟合参数的平均拟合结果；12、分别将每个所述待拟合参数的平均拟合结果作为每个所述待拟合参数的目标拟合结果。13、结合第一方面的可选实施方式，获取多个测试人员的第一抑郁数据以及疗效实测数据，包括：14、获取所述多个测试人员脑部的第一影像以及第二影像，其中，每个所述测试人员脑部的第一影像为所述测试人员治疗前的医学影像，所述测试人员脑部的第二影像为所述测试人员治疗后的医学影像；15、根据所述多个测试人员脑部的第一影像以及第二影像，得到所述多个测试人员的第一抑郁数据以及疗效实测数据。16、结合第一方面的可选实施方式，根据所述多个测试人员脑部的第一影像以及第二影像，得到所述多个测试人员的第一抑郁数据以及疗效实测数据，包括：17、根据所述多个测试人员脑部的第一影像以及第二影像，确定脑部治疗前后发生变化的特征脑区；18、分别将每个所述测试人员脑部的第一影像中的特征脑区进行分析，得到每个所述测试人员的第一抑郁数据；19、分别将每个所述测试人员脑部的第二影像中的特征脑区进行分析，得到每个所述测试人员的第二抑郁数据，其中，每个所述测试人员的第二抑郁数据表示治疗后的抑郁特征数据；20、分别根据每个所述测试人员的第一抑郁数据以及第二抑郁数据，得到每个所述测试人员的疗效实测数据。21、结合第一方面的可选实施方式，根据所述多个测试人员脑部的第一影像以及第二影像，确定脑部治疗前后发生变化的特征脑区，包括：22、分别根据每个测试人员脑部的第一影像，获得每个所述测试人员治疗前的脑部生物特征指标；23、分别根据每个测试人员脑部的第二影像，获得每个所述测试人员治疗后的脑部生物特征指标；24、分别将每个所述测试人员治疗前的脑部生物特征指标与治疗后的脑部生物特征指标进行比较，确定出所述特征脑区。25、结合第一方面的可选实施方式，分别将每个所述测试人员脑部的第一影像中的特征脑区进行分析，得到所述测试人员的第一抑郁数据，包括：26、对于每个所述测试人员，根据所述测试人员的第一影像，得到所述测试人员的特征脑区治疗前的杏仁核静态功能连接指标以及杏仁核动态功能连接指标；27、将所述治疗前的杏仁核静态功能连接指标以及杏仁核动态功能连接指标作为所述测试人员的第一抑郁数据；28、分别将每个所述测试人员脑部的第二影像中的特征脑区进行分析，得到每个所述测试人员的第二抑郁数据，包括：29、对每个所述测试人员，根据所述测试人员的第二影像，得到所述测试人员的特征脑区治疗后的杏仁核静态功能连接指标以及杏仁核动态功能连接指标；30、将所述治疗后的杏仁核静态功能连接指标以及杏仁核动态功能连接指标作为所述测试人员的第二抑郁数据。31、第二方面，本技术还提供一种基于mri的抑郁疗效预测装置，所述装置包括：32、数据处理模块，获取多个测试人员的第一抑郁数据以及疗效实测数据，其中，每个所述测试人员的第一抑郁数据表示治疗前的抑郁特征数据；33、模型训练模块，根据所述多个测试人员的第一抑郁数据以及疗效实测数据对待训练模型进行训练，得到满足预设条件的疗效预测模型，其中，所述多个测试人员的第一抑郁数据为所述待训练模型训练时的输入数据，所述多个测试人员的疗效实测数据为所述待训练模型训练时的监督数据，所述疗效预测模型用于预测抑郁疗效。34、结合第二方面的可选实施方式，所述待训练模型包括多个待拟合参数，所述模型训练模块还具体用于：35、将所述多个测试人员的第一抑郁数据以及第二抑郁数据划分为多个子数据集，其中，每个所述子数据集包括部分测试人员的第一抑郁数据以及疗效实测数据；36、分别根据每个所述子数据集对所述待训练模型进行训练，得到每个所述子数据集训练出的所述多个待拟合参数的一组初始拟合结果；37、根据多组所述初始拟合结果，得到所述多个待拟合参数的目标拟合结果；38、根据所述多个待拟合参数的目标拟合结果，得到所述疗效预测模型。39、结合第二方面的可选实施方式，所述模型训练模块还具体用于：40、根据多组所述初始拟合结果，得到每个所述待拟合参数的平均拟合结果；41、分别将每个所述待拟合参数的平均拟合结果作为每个所述待拟合参数的目标拟合结果。42、结合第二方面的可选实施方式，数据处理模块还具体用于：43、获取所述多个测试人员脑部的第一影像以及第二影像，其中，每个所述测试人员脑部的第一影像为所述测试人员治疗前的医学影像，所述测试人员脑部的第二影像为所述测试人员治疗后的医学影像；44、根据所述多个测试人员脑部的第一影像以及第二影像，得到所述多个测试人员的第一抑郁数据以及疗效实测数据。45、结合第二方面的可选实施方式，数据处理模块还具体用于：46、根据所述多个测试人员脑部的第一影像以及第二影像，确定脑部治疗前后发生变化的特征脑区；47、分别将每个所述测试人员脑部的第一影像中的特征脑区进行分析，得到每个所述测试人员的第一抑郁数据；48、分别将每个所述测试人员脑部的第二影像中的特征脑区进行分析，得到每个所述测试人员的第二抑郁数据，其中，每个所述测试人员的第二抑郁数据表示治疗后的抑郁特征数据；49、分别根据每个所述测试人员的第一抑郁数据以及第二抑郁数据，得到每个所述测试人员的疗效实测数据。50、结合第二方面的可选实施方式，数据处理模块还具体用于：51、分别根据每个测试人员脑部的第一影像，获得每个所述测试人员治疗前的脑部生物特征指标；52、分别根据每个测试人员脑部的第二影像，获得每个所述测试人员治疗后的脑部生物特征指标；53、分别将每个所述测试人员治疗前的脑部生物特征指标与治疗后的脑部生物特征指标进行比较，确定出所述特征脑区。54、结合第二方面的可选实施方式，数据处理模块还具体用于：55、对于每个所述测试人员，根据所述测试人员的第一影像，得到所述测试人员的特征脑区治疗前的杏仁核静态功能连接指标以及杏仁核动态功能连接指标；56、将所述治疗前的杏仁核静态功能连接指标以及杏仁核动态功能连接指标作为所述测试人员的第一抑郁数据；57、分别将每个所述测试人员脑部的第二影像中的特征脑区进行分析，得到每个所述测试人员的第二抑郁数据，包括：58、对每个所述测试人员，根据所述测试人员的第二影像，得到所述测试人员的特征脑区治疗后的杏仁核静态功能连接指标以及杏仁核动态功能连接指标；59、将所述治疗后的杏仁核静态功能连接指标以及杏仁核动态功能连接指标作为所述测试人员的第二抑郁数据。60、第三方面，本技术还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现所述的基于mri的抑郁疗效预测方法。61、第四方面，本技术还提供一种电子设备，所述电子设备包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理执行时，实现所述的基于mri的抑郁疗效预测方法。62、相对于现有技术而言，本技术具有以下有益效果：63、本技术提供一种基于mri的抑郁疗效预测方法及相关装置。该方法中，电子设备获取多个测试人员的第一抑郁数据以及疗效数据，其中，每个测试人员的第一抑郁数据表示治疗前的抑郁特征数据；然后，根据多个测试人员的第一抑郁数据以及疗效数据对待训练模型进行训练，得到满足预设条件的疗效预测模型，其中，多个测试人员的第一抑郁数据为待训练模型训练时的输入数据，多个测试人员的疗效数据为待训练模型训练时的监督数据。所述疗效预测模型用于预测抑郁疗效，如此，通过上述方式训练出的疗效预测模型能够相对客观地对治疗效果进行预测。