专利名称：基于磁共振静息态功能成像的疼痛评定系统的制作方法
技术领域：
本发明涉及一种基于磁共振静息态功能成像数据来评定慢性疼痛患者的疼痛等级和/或疼痛成因的影像学系统。
背景技术：
疼痛是人类最常见的痛苦之一，也是患者最难以忍受的症状之一。国际疼痛研究协会(IASP)将疼痛定义为“真实存在的或潜在的组织损伤或类似情况所带来的不愉快感及情感体验”。这一定义强调了疼痛不仅是一种感觉现象，而且是一种多维度现象，包括感觉、情感、动机、环境及认知成分。IASP将慢性疼痛定义为“超过正常的组织愈合时间(一般为3个月)的疼痛”。慢性疼痛不仅给个人带来了痛苦，而且由于慢性疼痛在人群之中的发生比率较高，对整个社会也造成了严重的经济负担。资料显示，美国民众中有35%患有慢性疼痛，其中超过50万美国人由于慢性疼痛变为部分或完全残疾而无法正常工作，每年由于慢性疼痛导致的生产总值损失为650亿美元，医疗花费为750亿美元；我国专家2003年7月对我国慢性疼痛调查结果显示在一个月内六个城市中到医院就诊的慢性疼痛患者达13万人以上；疼痛等级分布为轻度占9 %、中度占68. 1 %、重度占22. 9 % (数据来源于天津医学会疼痛学分会网站)。由于慢性疼痛缺乏客观的诊断和治疗后评定标准，其治疗方案的选择主要基于患者的主观陈述和医生的个人临床经验，在慢性疼痛的情形下，持续的病变如关节炎或神经损伤，永久性的损伤如截肢，都会引起持续的疼痛，而且可能不能使用通常可行的方法去治疗这种疼痛。更为困难的是，在很多情况下，并不能确定引起持续疼痛的病理， 在这种情况下，镇痛药物带来的副作用可能超过其疗效。对于慢性疼痛的评定，受其性质和现有诊断手段(单纯用诊断技术不加以信息处理技术辅助)局限都无法客观量化其疼痛本质及相关神经基础变化。疼痛的病理机制包括心理机制和生理机制。慢性疼痛的持续时间可能与持续的伤害性感知及其诱发的神经系统变化有关，但是大多数疼痛研究者一致认为心理因素或精神因素在慢性疼痛的发生、发展、持续或加重中起着关键性作用。在疼痛的研究中，早已发现伤害性刺激与痛觉之间并非简单的应答关系，刺激程度和疼痛等级也不尽一致，而且疼痛尚可源于非伤害性刺激，这些现象表明疼痛与心理过程有密切关系。心理因素对疼痛性质、程度、时间及空间的感知、分辨和反应程度均产生影响，并反映在疼痛的各个环节上。 Melzack提出的"闸门学说"有助于进一步理解心理因素在疼痛中的作用。慢性疼痛的生理机制十分复杂，涉及各神经系统、神经递质及生化物质。经过多年的研究，现在慢性疼痛一般被认为由三个有区别的但又相互重叠的成因构成伤害感受性的，神经性的和心理性的，所有的这些因素会对人们的疼痛感觉和表现产生不同程度的影响。伤害感受性疼痛是最普遍的疼痛类型，它被认为是由病变的身体组织产生的信号。因此像关节炎，结石和肿瘤都会引起来自受损组织的增加的信号输入，这被感觉为疼痛。尽管，这些输入信号可能会被大脑和脊髓的生理过程修改(升高或降低)，但是基本上疼痛还是归因于增加的信号输入到达中枢神经系统。区别于伤害感受性疼痛，第二种疼痛成因，神经性疼痛是由外周或中枢神经系统受损所致。在狭义上，这种疼痛发生在神经性机能紊乱特征出现的时候，如感官或运动神经受损，这类因素具有不同的特征，其通常被描述为一针刺感，电击感，烧灼感或麻刺感，目前的成像技术很难检测出其病变。第三种疼痛成因，心理性成因，它广泛的作用于人们的疼痛经历中，心理过程能够以增加或减轻的方式影响疼痛的感受和疼痛的表达(功能丧失)。如足球比赛中，许多球员会注意不到或忽视突然的严重受伤，这种情况下，尽管受损组织有大量信号输入，但疼痛和功能丧失都是最小的。虽然人们广泛的认识了这些导致疼痛的过程，但目前仍特别难以区分三种疼痛成因中的每一种所起的作用。而不同类型的疼痛成因所采取的治疗手段和方式也不尽相同，一些手段和药物不在正确情况下使用则会几乎不产生疗效。因此，对疼痛最好的治疗方案依赖于准确区分疼痛的不同成因。目前的主观诊断技术(例如评价量表、疼痛问卷表)只能单一地对疼痛的等级进行评定，并不能得出疼痛的性质；且这种方法对于丧失主观表达的患者受到限制。目前的客观评定方法(例如行为测定法、生理学测定法)都是从不同的角度对疼痛进行间接的评定，不够可靠且只能给出有限的信息，对疼痛的量化也受到限制。因此，一种能客观准确地评定疼痛等级和检测疼痛中各种成因作用的系统，有着很大的社会需求。目前的疼痛评定设备在很大程度上依赖于患者的主观陈述，一种能够可靠评定患者疼痛等级并能区分出疼痛中的不同成因的系统将会给疼痛的评定和治疗带来强有力的推动作用。近年来脑功能成像的研究已使人们对疼痛中枢机制的理解产生了革命性的变化。 事实上,似乎人们已处于通过FMRI (Functional Magnetic Resonancelmaging，磁共振功能成像)来获得疼痛尤其是慢性疼痛全新临床信息的边缘。功能成像已经重新定义慢性疼痛为一种退行性疾病，并且已经为一些复杂疾病比如纤维肌痛这些疾病的研究带来了希望。 静息态功能磁共振成像是一种对患者和成像操作人员要求少、可重复性高，能够反映脑自发活动的一种新功能成像手段。因为大脑的反应是对疼痛的行为反应(有意识或无意自发的)最终的共同通路，功能成像的运用将使人们能以一种客观的方法认识疼痛，并更好地理解潜在环路，区分疼痛的不同成因。然而，现有的评定疼痛的主观评定方法容易受诸多外加因素的影响，从而影响评定的客观和准确，现有客观评定方法只依靠单一指标判断，不能够精确客观地反映疼痛的等级，而且现有评定方法主要关注疼痛感受，不能区分疼痛中各成因。综上可知，现有评定疼痛技术在实际使用上，显然存在不便与缺陷，所以有必要加以改进。
发明内容
针对上述的缺陷，本发明的目的在于提供一种基于磁共振静息态功能成像的疼痛评定系统，其能够客观准确地评定慢性疼痛患者的疼痛等级和/或疼痛成因。为了实现上述目的，本发明提供一种基于磁共振静息态功能成像的疼痛评定系统，包括疼痛特征样本库，用于存储不同疼痛等级和疼痛成因的患者以及与其对照正常人样本的历史静息态功能影像属性；功能成像单元，用于从承受慢性疼痛的新个体患者脑部获取静息态功能成像数
5据，并传输给属性提取单元；属性提取单元，用于从所述静息态功能成像数据中提取新个体的静息态功能影像属性；疼痛评定单元，用于将所述新个体的静息态功能影像属性和所述疼痛特征样本库中相应的历史静息态功能影像属性进行比对，评定出所述新个体患者的疼痛等级和/或疼痛成因。根据本发明的疼痛评定系统，所述静息态功能影像属性包括反映大脑全局整合能力的全脑网络属性、反映大脑局部整合能力的局部属性、反映大脑各脑区之间协同能力的功能连接属性、反映脑区影响力的节点属性、反映脑区模块化或不同组分的子网/组分属性。根据本发明的疼痛评定系统，所述疼痛评定单元包括一疼痛等级评定子单元，用于将所述新个体的静息态功能影像属性和历史静息态功能影像属性进行比对，对同类属性利用模糊聚类分析得出新个体的静息态功能影像属性与所述疼痛特征样本库中不同疼痛等级群体的历史静息态功能影像属性的模糊隶属度，予以全脑网络属性、子网/组分属性、 功能连接属性所得出模糊隶属度不同权重，作为最终的隶属度；所述局部属性和所述疼痛特征样本库中同类属性的相似度作为该隶属度的置信度；根据不同个体关键节点属性的变化确定个性化疼痛附加值；所述新个体患者的疼痛等级评定值=某一疼痛等级隶属度+置信度+个性化疼痛附加值。根据本发明的疼痛评定系统，所述疼痛评定单元还包括一疼痛成因评定子单元， 用于将所述新个体患者的新个体子网/组分属性自身之间并与所述疼痛特征样本库中不同疼痛成因群体的的历史子网/组分属性进行比对，通过将新个体子网/组分属性自身之间进行横向比较得出新个体患者的疼痛成因；通过新个体子网/组分属性与不同历史成因样本的同一子网/组分属性之间的纵向比较得出新个体患者的各种疼痛成因的权重。根据本发明的疼痛评定系统，所述属性提取单元通过具有先验知识的模式识别技术从全脑网络中分离出反映不同疼痛成因的子网/组分，分别计算分离出的子网/组分属性、功能连接属性和节点属性；所述疼痛成因评定子单元横向比较自身所述不同子网/组分属性来确定新个体患者的疼痛成因，而纵向比较该代表该种疼痛成因的子网/组分属性之间不同历史成因样本的子网/组分属性、功能连接属性和节点属性，得出各种疼痛成因的权重。根据本发明的疼痛评定系统，所述疼痛成因包括伤害感受性成因、神经性成因和心理性成因。根据本发明的疼痛评定系统，所述属性提取单元首先按照解剖模板把全脑划分成若干个不同的脑区，然后利用所述解剖模板分割所述功能成像单元所得到的所述静息态功能成像数据，以所述脑区为单位提取反映静息态脑活动的时间序列，用所述脑区和时间序列来构建全脑网络和子网网络。根据本发明的疼痛评定系统，所述子网/组分的脑区包括丘脑、杏仁核、岛叶、辅助运动皮层、后顶叶皮质、前额叶皮质、扣带皮质、水管周灰质、基底节、小脑、初级和次级感觉皮层。根据本发明的疼痛评定系统，所述疼痛评定单元还用于获取新个体患者的临床疼痛信息，结合所述新个体的静息态功能影像属性和所述临床疼痛信息综合优化分析得出新个体患者的疼痛等级和/或疼痛成因；和/或所述所述疼痛评定单元还用于通过所述疼痛特征样本库的自适应反馈学习方法微调所述新个体患者的疼痛等级和/或疼痛成因。根据本发明的疼痛评定系统，所述疼痛特征样本库还用于存储用于构建全脑网络、子网网络、功能连接和节点时由所述静息态功能成像数据通过计算得到的中间值、疼痛等级/成因评定结果、临床疼痛信息，自适应反馈算法学习之后的微调值。本发明基于磁共振静息态功能成像所得的客观影像数据，采用信息处理技术从中提取新个体的静息态功能影像属性与疼痛特征样本库中的历史静息态功能影像属性的进行比对，优选通过模糊聚类、模式识别和自适应反馈学习等方法对影像数据特征值和临床疼痛信息进行分类、提取、优化，综合成能反映客观疼痛等级和成因的评定系统，并最终得到量化指标来客观、准确地评定慢性疼痛患者的疼痛等级和/或疼痛成因，该疼痛评定结果可用于指导医护人员对患者进行科学诊断、管理以及治疗。
图1是本发明基于磁共振静息态功能成像的疼痛评定系统的结构图；图2是本发明疼痛评定系统进行疼痛等级评定的流程图；图3是本发明疼痛评定系统进行疼痛成因评定的流程图；以及图4是本发明疼痛评定系统的组分识别流程图。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。通过磁共振功能成像技术对人脑的研究证明许多脑部区域(简称脑区或节点) 与疼痛过程相关，这些脑区包括疼痛网络所含脑区、内源性镇痛环路所含脑区、躯体感觉皮层、前后扣带回、额叶前部脑皮层、孤立脑皮层和丘脑。慢性疼痛可能与这些脑区的功能连接、结构以及生物化学变化相关。人脑静息态功能成像数据和基于解剖模板的后续分析可以检测到患者是否在正在经受疼痛及疼痛等级如何；指出增加疼痛等级和引起疼痛的功能连接变异、可能的结构变化以及生物化学变化；识别与疼痛和疼痛成因相关的中枢神经系统机制和感痛觉机理。本发明提供一种基于磁共振静息态功能成像的疼痛评定系统，如图1所示，该疼痛评定系统100包括功能成像单元10、属性提取单元20、疼痛评定单元30和疼痛特征样本库40，其中疼痛特征样本库40，用于存储不同疼痛等级和疼痛成因的患者以及与其对照正常人样本的历史静息态功能影像属性。本发明所指的静息态功能影像属性包括反映大脑全局整合能力的全脑网络属性、反映大脑局部整合能力的局部属性、反映大脑各脑区之间协同能力的功能连接属性、反映脑区影响力来确定等级的节点属性、反映脑区模块化或不同组分来确定疼痛成因的子网/组分属性。所述功能连接属性包括功能连接度、相关性、互信息等。所述节点属性包括某一个脑区(节点)的度(degree)、效率(Efficiency)和连通性(Betweermess)，脑区体素之间生理频段的振幅指标。所述子网/组分属性包括成因的重要性排序(ranking value)，每次划分的稳定性，成因的显著性水平等。该疼痛特征样本库40还用于在疼痛评定时进行参考比对和必要的信息反馈。所述子网是指几个脑区的组合，但其功能不明确；而所述组分也是几个脑区的组合，但具有明确的功能。功能成像单元10，用于从承受慢性疼痛的的新个体患者脑部获取静息态功能成像数据，并传输给属性提取单元20。功能成像单元10可以采用现有的FMRI设备实现，还可用于获取不同层面的疼痛患者和正常人的静息态功能成像数据。属性提取单元20，用于从新个体患者的静息态功能成像数据中提取新个体的静息态功能影像属性。实际上，疼痛特征样本库40中的历史静息态功能影像属性也是由属性提取单元20获取并保存的。具体而言，属性提取单元20首先按照解剖模板把全脑划分成若干个不同的脑区，然后利用解剖模板分割功能成像单元10所得到的静息态功能成像数据， 以脑区为单位提取反映静息态脑活动的时间序列，用脑区和时间序列来构建全脑网络和子网网络。方式包括以不同的脑区作为节点，以脑区之间时间序列的关系作为边，构建有向连接图(脑区之间关系有次序和指向)和无向连接图(脑区之间关系无次序和指向)，计算图的全脑、子网和节点层面的各种属性；功能连接的计算包括以解剖模板或者自定义方式确定感兴趣脑区，提取感兴趣脑区的时间序列，计算感兴趣脑区之间的相关关系。疼痛网络主要参考(Moissset et al. ,2007)这篇论文，属性提取单元20构建子网/组分的脑区包含丘脑、杏仁核、岛叶、辅助运动皮层、后顶叶皮质、前额叶皮质、扣带皮质、水管周灰质、 基底节、小脑、初级和次级感觉皮层。疼痛评定单元30，用于将新个体患者的新个体的静息态功能影像属性和疼痛特征样本库40中相应的历史静息态功能影像属性进行比对，评定出新个体患者的疼痛等级和/ 或疼痛成因。本发明疼痛评定单元30将疼痛成因主要划分为三种伤害感受性成因、神经性成因和心理性成因。优选地，疼痛评定单元30包括一疼痛等级评定子单元31，该疼痛等级评定子单元 31用于将新个体的静息态功能影像属性和历史静息态功能影像属性进行比对，对同类属性利用模糊聚类分析得出新个体的静息态功能影像属性与疼痛特征样本库40中不同疼痛等级群体的历史静息态功能影像属性的模糊隶属度，根据先验知识分别予以全脑网络属性、 子网/组分属性、功能连接属性所得出模糊隶属度不同权重重(例如全脑网络属性50%、子网/组分属性30%，功能连接属性20% )，作为最终的隶属度D (KP)；局部属性和疼痛特征样本库40中同类属性的相似度作为该隶属度D(KP)的置信度C(C% )；根据不同个体关键节点属性的变化确定个性化疼痛附加值。最终，新个体患者的疼痛等级评定值=某一疼痛等级隶属度D (KP)+置信度(C% ) +个性化疼痛附加值。研究表明不同的疼痛成因可能对应着不同的子网/组分，检测不同的子网/组分激活程度可能确定疼痛成因。针对疼痛患者的静息态功能成像数据，结合先验知识采用组分分析等模式识别技术检测不同子网/组分激活程度；比较同一个体不同子网/组分之间的差异，可以确定疼痛成因；而通过比较不同子网/组分和疼痛特征样本库40中相应子网 /组分之间的差异，可以确定各种疼痛成因所占的比重。据此，疼痛评定单元30还包括一疼痛成因评定子单元32，该疼痛成因评定子单元32用于将新个体患者的新个体子网/组分属性自身之间并与疼痛特征样本库40中不同疼痛成因群体的的历史子网/组分属性进行比对，通过将新个体自身不同子网/组分属性之间进行横向比较得出新个体患者的疼痛成因；通过新个体子网/组分属性与同一历史子网 /组分属性之间不同历史成因样本的纵向比较得出新个体患者的各种疼痛成因的权重。属性提取单元20通过具有先验知识的模式识别技术从全脑网络中分离出反映不同疼痛成因的子网/组分，分别计算分离出的子网/组分属性、功能连接属性和节点属性；疼痛成因评定子单元32横向比较自身所述不同子网/组分属性来确定新个体患者的疼痛成因，而纵向比较该代表该种疼痛成因的子网/组分属性之间不同历史成因样本的子网/组分属性、功能连接属性和节点属性，得出各种疼痛成因的权重。本发明疼痛评定系统100还涉及对于疼痛评定中个体差异性的考虑和修正，对于疼痛评定所使用的个体静息态功能成像数据，首先给予全脑网络属性最大的基准权重，尽可能减小因个体结构差异而造成的基于某个脑区影像特征值造成的疼痛评定结果偏差；同时，疼痛评定系统100也承认个体差异，用最能反映个体差异的节点属性来调整个体疼痛附加值。疼痛评定单元30还用于获取新个体患者的临床疼痛信息，临床疼痛信息包括 VAS(VisualAnalogue kale，视觉模拟评分法)量表和McGill疼痛问卷(McGillpain questionnaire, MPQ)。通过VAS量表，患者可以根据自己的疼痛感觉按照语言或者视觉方法进行评定。McGill疼痛问卷从生理感觉、情感因素和认识成分等多方面对疼痛等级进行较全面的评定。疼痛评定单元30结合新个体的静息态功能影像属性和临床疼痛信息综合优化分析得出新个体患者的疼痛等级和/或疼痛成因。疼痛评定单元30还用于通过疼痛特征样本库40的自适应反馈学习方法(例如人工神经网络)微调新个体患者的疼痛等级和/或疼痛成因。疼痛特征样本库40还用于存储用于构建全脑网络和子网网络、功能连接、节点时由静息态功能成像数据通过计算得到的中间值、疼痛等级/成因评定结果、临床疼痛信息，自适应反馈算法学习之后的微调值， 作为新的样本数据。在对疼痛特征样本库40的样本经过多次学习之后，最终使每次的评定结果都达到稳定状态，从而保证疼痛评定结果的稳定性。具体举例来说，疼痛成因评定子单元32还用于获取患者的临床疼痛信息，结合所述疼痛成因的基准权重和临床疼痛信息分析出患者的疼痛成因的修正权重；并且疼痛成因评定子单元32还通过疼痛特征样本库40的自适应反馈学习方法微调所述疼痛成因的微调权重，得到优化后的权重。以上也适用于疼痛等级评定子单元31评定疼痛等级时的修正和微调。如图2示出了疼痛评定系统100进行疼痛等级评定的流程功能成像单元10对慢性疼痛患者进行静息态功能成像数据采集，对所采集的静息态功能成像数据进行预处理， 属性提取单元20提取患者全脑网络属性等和正常人全脑网络属性等。根据疼痛类型(即成因)选取疼痛网络(及子网)，辅以临床疼痛量表和其他信息，计算疼痛网络及节点影像特征，在根据疼痛类型、临床疼痛信息、基本影像特征由算法库确定疼痛标定算法。根据影像特征标定疼痛等级值。疼痛特征样本库40建立阶段疼痛测定值，疼痛特征样本库40建立阶段评定值和专家测定值进行比较，两者匹配情况及疼痛等级评定值均存入疼痛特征样本库40。另外，在对疼痛特征样本库40的样本经过多层次人工神经学习网络修正与微调，得到最终测定的疼痛等级评定值。如图3示出了疼痛评定系统100进行疼痛成因评定的流程首先对获得静息态功能成像数据进行预处理之后，提取全脑网络属性等影像特征，结合先验知识分别提取伤害感受性组分、神经性组分、心理性组分，计算影像特征值得出来的子网/组分属性经过归一化后进行比较，辅以临床疼痛信息，得出最能代表该个体患者的疼痛成因(类型)的组分。 考虑到不同疼痛成因之间比重差异，比较某一组分和疼痛特征样本库40同类组分不同等级样本的差异，最后得出每种成因的权重。根据疼痛成因进行子网/组分划分及节点计算， 对同一个体进行不同子网/组分属性之间的横向比较，对于不同个体进行同一子网/组分属性之间的纵向比较；两次比较分别确定该个体疼痛的主导成因(伤害感受性、神经性或者心理性)以及不同成因所占比重。以下描述一个疼痛等级划分的具体实例疼痛等级划分，首先确定若干个等级标准组，计算出各标准组模糊关系矩阵数值， 然后通过隶属函数计算出与各标准组比较的各个体的隶属度，从而作出等级判断。疼痛等级的划分在边界表现出较强的模糊性，指向性指标测度值表现出强烈的距离衰减规律，越靠近中心越稳定，其隶属函数可表示为高斯分布形式，如下(临床疼痛信息和之前定好的疼痛等级评定值作为确定隶属函数的依据)
权利要求
1.一种基于磁共振静息态功能成像的疼痛评定系统，其特征在于，包括疼痛特征样本库，用于存储不同疼痛等级和疼痛成因的患者以及与其对照正常人样本的历史静息态功能影像属性；功能成像单元，用于从承受慢性疼痛的新个体患者脑部获取静息态功能成像数据，并传输给属性提取单元；属性提取单元，用于从所述静息态功能成像数据中提取新个体的静息态功能影像属性；疼痛评定单元，用于将所述新个体的静息态功能影像属性和所述疼痛特征样本库中相应的历史静息态功能影像属性进行比对，评定出所述新个体患者的疼痛等级和/或疼痛成因。
2.根据权利要求1所述的疼痛评定系统，其特征在于，所述静息态功能影像属性包括 反映大脑全局整合能力的全脑网络属性、反映大脑局部整合能力的局部属性、反映大脑各脑区之间协同能力的功能连接属性、反映脑区影响力来确定等级的节点属性、反映脑区模块化或不同组分来确定疼痛成因的子网/组分属性。
3.根据权利要求2所述的疼痛评定系统，其特征在于，所述疼痛评定单元包括一疼痛等级评定子单元，用于将所述新个体的静息态功能影像属性和历史静息态功能影像属性进行比对，对同类属性利用模糊聚类分析得出新个体的静息态功能影像属性与所述疼痛特征样本库中不同疼痛等级群体的历史静息态功能影像属性的模糊隶属度，予以全脑网络属性、子网/组分属性、功能连接属性所得出模糊隶属度不同权重，作为最终的隶属度；所述局部属性和所述疼痛特征样本库中同类属性的相似度作为该隶属度的置信度；根据不同个体关键节点属性的变化确定个性化疼痛附加值；所述新个体患者的疼痛等级评定值=某一疼痛等级隶属度+置信度+个性化疼痛附加值。
4.根据权利要求2所述的疼痛评定系统，其特征在于，所述疼痛评定单元还包括一疼痛成因评定子单元，用于将所述新个体患者的新个体子网/组分属性自身之间并与所述疼痛特征样本库中不同疼痛成因群体的的历史子网/组分属性进行比对，通过将新个体子网 /组分属性自身之间进行横向比较得出新个体患者的疼痛成因；通过新个体子网/组分属性与不同历史成因样本的同一子网/组分属性之间的纵向比较得出新个体患者的各种疼痛成因的权重。
5.根据权利要求4所述的疼痛评定系统，其特征在于，所述属性提取单元通过具有先验知识的模式识别技术从全脑网络中分离出反映不同疼痛成因的子网/组分，分别计算分离出的子网/组分属性、功能连接属性和节点属性；所述疼痛成因评定子单元横向比较新个体患者自身所述不同子网/组分属性来确定新个体患者的疼痛成因，而纵向比较该代表该种疼痛成因的子网/组分属性之间不同历史成因样本的子网/组分属性、功能连接属性和节点属性，得出各种疼痛成因的权重。
6.根据权利要求4所述的疼痛评定系统，其特征在于，所述疼痛成因包括伤害感受性成因、神经性成因和心理性成因。
7.根据权利要求2所述的疼痛评定系统，其特征在于，所述属性提取单元首先按照解剖模板把全脑划分成若干个不同的脑区，然后利用所述解剖模板分割所述功能成像单元所得到的所述静息态功能成像数据，以所述脑区为单位提取反映静息态脑活动的时间序列，用所述脑区和时间序列来构建全脑网络和子网网络。
8.根据权利要求2所述的疼痛评定系统，其特征在于，所述子网/组分的脑区包括丘脑、杏仁核、岛叶、辅助运动皮层、后顶叶皮质、前额叶皮质、扣带皮质、水管周灰质、基底节、 小脑、初级和次级感觉皮层。
9.根据权利要求1 8任一项所述的疼痛评定系统，其特征在于，所述疼痛评定单元还用于获取新个体患者的临床疼痛信息，结合所述新个体的静息态功能影像属性和所述临床疼痛信息综合优化分析得出新个体患者的疼痛等级和/或疼痛成因；和/或所述所述疼痛评定单元还用于通过所述疼痛特征样本库的自适应反馈学习方法微调所述新个体患者的疼痛等级和/或疼痛成因。
10.根据权利要求9所述的疼痛评定系统，其特征在于，所述疼痛特征样本库还用于存储用于构建全脑网络、子网网络、功能连接和节点时由所述静息态功能成像数据通过计算得到的中间值、疼痛等级/成因评定结果、临床疼痛信息，自适应反馈算法学习之后的微调值。
全文摘要
本发明公开了一种基于磁共振静息态功能成像的疼痛评定系统，包括疼痛特征样本库，用于存储不同疼痛等级和疼痛成因的患者以及与其对照正常人样本的历史静息态功能影像属性；功能成像单元，用于从承受慢性疼痛的新个体患者脑部获取静息态功能成像数据，并传输给属性提取单元；属性提取单元，用于从静息态功能成像数据中提取新个体的静息态功能影像属性；疼痛评定单元，用于将新个体的静息态功能影像属性和疼痛特征样本库中相应的历史静息态功能影像属性进行比对，评定出新个体患者的疼痛等级和/或疼痛成因。据此，本发明能够通过人脑的客观影像数据来客观准确地评定疼痛等级和/或疼痛成因。
文档编号A61B5/055GK102266223SQ20101018951
公开日2011年12月7日 申请日期2010年6月1日 优先权日2010年6月1日
发明者张俊然, 龚启勇 申请人:四川大学华西医院