论文部分内容阅读
阿尔茨海默型老年痴呆(Alzheimer Disease,AD)是最常见的老年痴呆类型。在中国患者数量已达600多万。AD是一种渐进性的神经系统退行性疾病,以神经炎性斑块沉积、神经原纤维缠结为主要病理特征,这些病理改变发生于临床症状出现之前几年甚至十几年。轻度认知障碍(Mild Cognitive Impairment,MCI)是介于正常衰老和轻度痴呆间的过渡状态,尸检发现大部分MCI病例大脑中存存与AD相似的病理改变。AD起病隐匿,临床症状不明显,早期诊断非常困难。本文基于形态学和纹理特征分析与疾病关联的大脑部位,深度分析其内在规律,旨在为AD早期诊断提供依据。
数据来源于阿尔茨海默症公共数据库(The Alzheimers DiseaseNeurroimaging Initialive,ADNI)及宣武放射科,组成2个数据集,分别命名为:ADNI、和XW数据集,共包括68个研究对象。根据临床诊断标准ADNI数据集分成健康对照组(Normal healthy controls,NC)、MCI组和AD组共3组;XW数据集分为健康对照组(Normal healthy controls,NC)和AD组共2组。研究首先所有对象的进行全脑分析,提取基于体素的形态学特征;随后利用特征挑选方法自动判断出组间有显著性差异的体素;接着在设定阈值后对体素进行空问密度聚类,形成疾病脑部好发区域;根据挑选出的区域生成掩模图像;对掩模图像提取的体积调制图像采用三维纹理分析技术提炼高层统计学纹理特征;最后应用支持向量机(Support Vector Machine,SVM)对样本进行分类识别。
共进行了5项分类识别实验,第一项分别对2个数据集基于特征挑选逐体素进行模型训练,并采用十倍交叉方法验证,结果显示XW数据集分类正确率最高,为93.8%,ADNI数据集为91.7%;第二项对ADNI数据集基于纹理特征训练模型并进行十倍交叉验证,使分类器的正确率达100%,提高了8.3%,这院明纹理特征能进一步挖掘病理特征;第三项对不同数据集进行交叉分类识别,结果显示,ADNI数据集测试XW数据集正确率比XW数据集测试ADNI数据集高;第四项混合2个数据集的样本进行分类识别,测试分类器的鲁棒性,结果显示分类正确率仅89.3%,提示不同数据集的不同源性将影响分类器性能的稳定性;最后一项进行ADNI数据集AD、MCI和NC三组间的两两分类识别,采用支持向量机线性核,结果显示AD和NC的分类正确率较高,为87.5%,MCI和NC组分类率其次,为83.3%,由于ADNI数据集中AD患者多为轻度痴呆,AD和MCI分类率仅为50%。
本文的贡献和创新之处在于三个方面:设计出新的研究方法流程;在体积调制图像基础上提炼了基于纹理特性的高层次特征;对不同数据集分别进行处理,并探讨了不同数据源混合使用的可能性。
实验结果显示,本文提出的方法对早期AD病人和正常人分类正确率达到91.7%,表明该方法可能具有疾病早期诊断的参考价值。