Bildevurdering av sentralnerveautoimmune sykdommer

Multippel sklerose (MS) er den vanligste demyeliniserende sykdommen i sentralnervesystemet og den vanligste årsaken til ikke-traumatisk funksjonshemming hos unge og middelaldrende mennesker. Neuromyelitt optica spectrum disease (nmosd) er en uavhengig sykdom forskjellig fra Ms. patogenesen og modusen for hjerne- og ryggmargsskade er forskjellig fra MS, og prognosen og optimal behandling er forskjellig. Det er vanskelig å skille de to sykdommene på et tidlig stadium. Tidlig diagnose og behandling av de to sykdommene kan i stor grad forbedre livskvaliteten til pasientene. Derfor er det et presserende problem å avklare forskjellen mellom MS- og nmosd-skademønstre og å finne sensitive avbildningsmarkører for tidlig klinisk intervensjon. Med den kontinuerlige utviklingen av datastøttet diagnose (CAD), blir det mer og mer utbredt i medisin, noe som forventes å bidra til å løse problemene ovenfor.

Hensikten med denne studien er å lage en nevroimmun sykdom evalueringsdatabase basert på bildedata. Ved å kombinere hjerne- og ryggmargsavbildning, og basert på Zhang quantum space learning datastøttet teknologi, kan vi oppnå nøyaktig segmentering av MS og nmosd hjerne- og ryggmargslesjoner, analysere utviklingskarakteristikkene til sykdommen på forskjellige tidspunkter og screene avbildningsindekser relatert til kliniske skårer kombinert med kliniske og laboratorieindekser Mål: å bestemme de forskjellige prognosene og dens påvirkningsfaktorer på klinisk, avbildnings- og molekylært nivå, og etablere modellen for å forutsi sykdomsprogresjon og -prognose, for å gi grunnlag for tidlig identifisering og hjelp til å veilede behandling og bedømme prognose.

Klinisk informasjon ble samlet inn: alder, kjønn, sykdomsforløp, MMSE, EDSS funksjonshemming score, ni hulls test, 25 fot gangtest. Vurdere pasientens informasjonsbehandlingsevne. Blodprøver ble tatt. Bildeundersøkelse ble utført. Pasientene ble fulgt opp jevnlig.