Avbildningsutvärdering av centrala nervösa autoimmuna sjukdomar

Multipel skleros (MS) är den vanligaste demyeliniserande sjukdomen i centrala nervsystemet och den vanligaste orsaken till icke traumatisk funktionsnedsättning hos unga och medelålders människor. Neuromyelit optica spectrum disease (nmosd) är en oberoende sjukdom som skiljer sig från Ms. patogenesen och sättet för hjärn- och ryggmärgsskada skiljer sig från MS, och prognosen och optimal behandling är olika. Det är svårt att särskilja de två sjukdomarna i ett tidigt skede. Tidig diagnos och behandling av de två sjukdomarna kan avsevärt förbättra patienternas livskvalitet. Därför är det ett akut problem att klargöra skillnaden mellan MS- och nmosd-skademönster och att hitta känsliga avbildningsmarkörer för tidig klinisk intervention. Med den kontinuerliga utvecklingen av datorstödd diagnos (CAD) används den mer och mer allmänt inom medicin, vilket förväntas hjälpa till att lösa ovanstående problem.

Syftet med denna studie är att skapa en databas för utvärdering av neuroimmuna sjukdomar baserad på bilddata. Genom att kombinera hjärn- och ryggmärgsavbildning, och baserat på Zhang quantum space learning datorstödd teknologi, kan vi uppnå exakt segmentering av MS och nmosd hjärn- och ryggmärgsskador, analysera sjukdomens utvecklingsegenskaper vid olika tidpunkter och screena avbildningsindex relaterade till kliniska poäng kombinerat med kliniska index och laboratorieindex Mål: att fastställa de olika prognoserna och dess påverkande faktorer på klinisk, avbildnings- och molekylär nivå, och upprätta en modell för att förutsäga sjukdomsprogression och prognos, för att ge grunden för tidig identifiering och hjälp med att vägleda behandling och bedöma prognos.

Klinisk information samlades in: ålder, kön, sjukdomsförlopp, MMSE, EDSS funktionshinderspoäng, niohålstest, 25 fots gångtest. Bedöm patientens informationsbehandlingsförmåga. Blodprover togs. Bildundersökning utfördes. Patienterna följdes upp regelbundet.