本发明涉及深度学习，具体涉及多模态识别焦虑障碍向认知功能障碍转化的方法。
背景技术：
1、焦虑障碍是最普遍的心理健康疾病，具有高度的痛苦感和功能损害，终生患病率超过20％。焦虑障碍可以增加个人罹患认知功能障碍的风险，不良认知预后给家庭和社会带来沉重的经济和精神负担。
2、目前焦虑障碍的诊断主要依靠专业精神科医师根据症状学进行诊断，症状学主要依靠汉密尔顿焦虑(hama)量表、广泛性焦虑自评量表(gad-7)等。焦虑障碍向认知功能障碍转化的评估，主要依靠认知评估量表，包括简明精神状态量表(mmse)和蒙特利尔认知评估量表(moca)等。
3、焦虑量表本身评估具有主观性的特点，依赖于个体的自我报告，应用范围有限且评估不完整，通常侧重于评估一般焦虑症状，对于焦虑症导致认知损害的个体不能有效评估。目前的方法不能提前预测焦虑向认知功能障碍转化，只能等到出现认知功能下降或者认知功能障碍的状态，才能根据认知功能和生活质量的量表进行评估和诊断。
技术实现思路
1、本发明提供一种多模态识别焦虑障碍向认知功能障碍转化的方法，目的是解决背景技术中存在的上述问题。
2、本发明提供的技术方案如下：
3、一种多模态识别焦虑障碍向认知功能障碍认知功能障碍转化的方法，包括以下步骤：
4、步骤s1、整理随访队列，设置入组、清洗标准，确定认知结局标准；
5、步骤s2、对所述随访队列进行数据清洗，根据基线期情绪评估和icd-11焦虑障碍诊断标准，对符合焦虑障碍个体进行筛选得到第一数据库，所述第一数据库包括人口学数据、外周蛋白组、外周代谢组和dti数据；
6、步骤s3、根据认知结局得到第二数据库，对所述第一数据库进行标准化后与所述第二数据库合并，得到第三数据库；
7、步骤s4、建立for循环，设置种子取值范围，将所述第三数据库划分为训练集和测试集，通过lasso回归，进行十折交叉验证训练，输出模型指标，选出在训练集和测试集中表现最优的预测模型，确定纳入模型的变量；
8、步骤s5、采用多种机器学习算法建立模型，根据输出模型指标选出在训练集和测试集中表现最优的预测模型，对多个预测模型进行拟合，放入外部数据集验证；
9、步骤s6、根据在外部数据集中的验证效果，获得最优的拟合模型；
10、步骤s7、持续增加数据样本，从步骤2开始进行，直到步骤36，根据新的评估结果和反馈，不断迭代优化模型。
11、进一步地，步骤s1中，所述随访队列为上海老年脑健康(shbas)队列；
12、所述确定认知结局标准具体为：认知结局依据随访结果，分为认知稳定个体和认知下降个体，认知结局为二分类变量；所述认知稳定个体包括认知正常转化为认知正常、轻度认知功能损害(mci)转化为mci、mci转化为认知正常；所述认知下降个体包括认知正常转化为mci、认知正常转化为认知功能障碍、mci转化为认知功能障碍。
13、进一步地，步骤s2中，所述根据基线期情绪评估和icd-11焦虑障碍诊断标准，具体为：
14、根据mmse、临床认知功能障碍评定量表(cdr)和老年抑郁量表(gds-15)对认知状况进行区分，诊断标准具体区分如下：
15、认知正常个体：mmse 24-30分,cdr＝0分，gds-15<7分；mci个体：24-30分,cdr＝0.5分，gds-15<7分；认知功能障碍个体：mmse<26分,cdr≥0.5分，gds-15<7分。
16、进一步地，步骤s2中，所述对符合焦虑障碍个体进行筛选得到第一数据库，具体为：对所述随访队列进行数据清洗后，去除认知结局，保留其他变量数据，建成第一数据库；
17、所述外周血蛋白组包括mitoisr上游指标、mitoisr下游指标、线粒体功能状态标志物指标和神经轴突/突触标志物指标；
18、所述外周代谢组为非靶代谢物测定，均为连续变量，数据分析前需要排除框外值；
19、所述dti数据获取过程为：获得大脑dti数据，将每个t1加权图像与colins大脑模板线性对齐，获得各个纤维束的fa和md值。
20、进一步地，步骤s3中，所述根据认知结局得到第二数据库具体为：将认知结局放入数据库形成第二数据库。
21、进一步地，步骤s4中，所述设置种子取值范围，将所述第三数据库划分为训练集和测试集，通过lasso回归，进行十折交叉验证训练，输出模型指标，选出在训练集和测试集中表现最优的预测模型，确定纳入模型的变量，具体为：
22、设置种子取值范围从0到1000，变化间隔为1；将所述第三数据库划分为70％训练集和30％测试集，通过lasso回归，进行十折交叉验证训练，输出模型指标包括auc、灵敏度和特异度，根据输出模型指标选出在训练集和测试集中表现最优的预测模型，确定纳入模型的变量。
23、进一步地，步骤s5中，所述采用多种机器学习算法建立的模型包括逻辑回归模型、神经网络模型、朴素贝叶斯模型模型；
24、所述根据输出模型指标选出在训练集和测试集中表现最优的预测模型具体为：将lasso回归选择的变量纳入采用多种机器学习算法建立的模型中，进行十折交叉验证训练，根据auc选出在训练集和测试集中表现最优的预测模型。
25、与现有技术相比，本发明的有益效果是：
26、本发明提供了一种多模态识别焦虑障碍向认知功能障碍转化的方法，该方法依托上海老年脑健康(shbas)队列，采集以上特征数据，根据认知随访情况，将纳入个体分为认知稳定和认知下降两类，采用套索算法(lasso)筛选变量，根据曲线下面积(auc)作为评估指标，建立的模型在外部数据英国生物库(ukb)中进行验证，从而建立可以在社区老龄推广的焦虑障碍认知不良转归个体的筛查，从而进行早期干预和治疗，降低社会和家庭的负担。该方法从焦虑障碍的发病机制上筛选预测认知结局的模型，具有准确性和特异性。蛋白组和代谢组检测只需要抽血外周静脉血3-5ml，只需要检查筛选后的特异性标志物，费用低，易于推广。mri扫描安全无辐射，检测手段成熟，很多医疗机构都可以完成。早期识别风险个体，对其进行早期干预和治疗，从而降低或延缓认知功能障碍的发生率，降低致死率和致残率，最终极大的降低社会和家庭的负担。
1.一种多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于：
3.根据权利要求1所述的多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于，步骤s2中，所述根据基线期情绪评估和icd-11焦虑障碍诊断标准，具体为：
4.根据权利要求1所述的多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于：
5.根据权利要求1所述的多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于：
6.根据权利要求1-5任一所述的多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于，步骤s4中，所述设置种子取值范围，将所述第三数据库划分为训练集和测试集，通过lasso回归，进行十折交叉验证训练，输出模型指标，选出在训练集和测试集中表现最优的预测模型，确定纳入模型的变量，具体为：
7.根据权利要求6所述的多模态识别焦虑障碍向认知功能障碍转化的方法，其特征在于：
