摘要

目的探讨缺血性脑卒中患者静息态功能磁共振成像(resting-state functional magnetic resonance imaging, rs-fMRI)的神经活动局部一致性(regional homogeneity, ReHo)指标预测其恢复期的记忆功能情况及残差学习(residual learning, REL)对机器学习模型预测性能的影响。方法 2019年6月至2021年6月采集35名首次缺血性脑卒中患者卒中后1周(急性期)的rs-fMRI数据, 并在卒中后6个月(恢复期)随访瑞氏听觉词语学习测试(Rey auditory verbal learning test, RAVLT)的记忆评分。利用卒中患者急性期rs-fMRI数据提取的ReHo指标, 分别构建传统支持向量回归(support vector regression, SVR)模型以及基于REL的SVR(REL-SVR)模型对患者卒中后6个月时的记忆评分进行预测。利用Pearson相关系数评价模型性能, 并比较两个模型的预测准确性。结果基于急性期的ReHo指标, SVR模型所得预测值与真实值之间的相关系数r=0.524(P=0.001), 而REL-SVR模型所得预测值与真实值之间的相关系数r=0.671(P<0.001)。预测模型右侧颞中回颞极(权重:1.03)、右侧颞中回(权重:1.03)、右侧颞下回(权重:1.03)、右侧枕中回(权重:0.57)、左侧额上回(权重:0.32)、左侧内侧额上回(权重:0.53)、左侧缘上回(权重:1.54)、左侧距状裂(权重:0.65)、左侧舌回(权重:0.58)、左侧楔叶(权重:0.65)、左侧楔前叶(权重:0.83)和小脑(权重大于1.0)等脑区的权重较大。结论缺血性脑卒中患者急性期的ReHo指标可有效预测其恢复期的记忆功能, 且REL能够提升传统SVR模型的性能。