MR影像体素形态学的阿尔茨海默病自动分类方法-东南大学学报.PDF

第４５卷第２期 东南大学学报（自然科 学版 ） Ｖｏｌ．４５ Ｎｏ．２ 　 ２０１５年３月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｍａｒ．２０１５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１５．０２．０１２ ＭＲ影像体素形态学的阿尔茨海默病自动分类方法 郭圣文　 池敏越　 岑桂英　 匡翠立　 牛传筱　 赖春任　 吴效明 ＴｈｅＡｌｚｈｅｉｍｅｒｓＤｉｓｅａｓｅＮｅｕｒｏｉｍａｇｉｎｇＩｎｉｔｉａｔｉｖｅ（ＡＤＮＩ） （华南理工大学材料科学与工程学院，广州５１０００６） 摘要：为了确定轻度认知功能障碍（ＭＣＩ）与阿尔茨海默病（ＡＤ）患者发生萎缩的重要脑区，实现 正常老年人（ＮＣ）对照组、ＭＣＩ与ＡＤ三组人群的分类，选择了１７８名被试的脑部ＭＲ影像，利用 体素形态学与方差分析方法，考察ＮＣ，ＭＣＩ与ＡＤ三组人群的ＭＲ影像中灰质体积差异；然后， 采用递归特征消去法对特征进行降维；最后，利用线性支持向量机对这３种人群进行分类．实验 结果表明，ＭＣＩ组与ＮＣ组、ＭＣＩ组与ＡＤ组、ＡＤ组与ＮＣ组的平均分类准确率分别为（９０．２± １．３）％，（７４．７±０．９）％，１００％．对分类产生重要影响的脑区包括海马、海马旁回、杏仁核、梭状 回和嗅皮层等．所提方法不仅能有效揭示ＮＣ，ＭＣＩ，ＡＤ三组人群的脑灰质差异，阐明ＭＣＩ患者与 ＡＤ患者脑区发生萎缩的过程与特性，而且能准确区分这３组人群，具有显著的临床应用价值． 关键词：阿尔茨海默病；轻度认知功能障碍；体素形态学；支持向量机；递归特征消除 中图分类号：Ｒ４４５．２；ＴＰ３９１．４１　　文献标志码：Ａ　　文章编号：１００１－０５０５（２０１５）０２０２６００６ ＡｕｔｏｍａｔｉｃｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｏｆＡｌｚｈｅｉｍｅｒｓｄｉｓｅａｓｅｂｙ ｖｏｘｅｌｂａｓｅｄｍｏｒｐｈｏｍｅｔｒｙｏｎＭＲｉｍａｇｅｓ ＧｕｏＳｈｅｎｇｗｅｎ　ＣｈｉＭｉｎｙｕｅ　ＣｅｎＧｕｉｙｉｎ　ＫｕａｎｇＣｕｉｌｉ　 ＮｉｕＣｈｕａｎｘｉａｏ　ＬａｉＣｈｕｎｒｅｎ　ＷｕＸｉａｏｍｉｎｇ ＴｈｅＡｌｚｈｅｉｍｅｒｓＤｉｓｅａｓｅＮｅｕｒｏｉｍａｇｉｎｇＩｎｉｔｉａｔｉｖｅ（ＡＤＮＩ） （ＳｃｈｏｏｌｏｆＭａｔｅｒｉａｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｄｅｔｅｒｍｉｎｅｔｈｅａｔｒｏｐｈｙｉｎｉｍｐｏｒｔａｎｔｂｒａｉｎｒｅｇｉｏｎｓｆｒｏｍｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅ（ＭＲ）ｉｍａ ｇｅｓｏｆｐａｔｉｅｎｔｓｗｉｔｈＡｌｚｈｅｉｍｅｒｓｄｉｓｅａｓｅ（ＡＤ）ａｎｄｍｉｌｄｃｏｇｎｉｔｉｖｅｉｍｐａｉｒｍｅｎｔ（ＭＣＩ）ａｎｄｃｌａｓｓｉｆｙ ｔｈｅｎｏｒｍａｌｃｏｎｔｒｏｌ（ＮＣ），ＭＣＩａｎｄＡＤｇｒｏｕｐｓ，ｔｈｅＭＲｉｍａｇｅｓｏｆ１７８ｓｕｂｊｅｃｔｓｗｅｒｅｓｅｌｅｃｔｅｄｆｏｒａ ｎａｌｙｓｉｓ．Ｔｈｅｖｏｘｅｌｂａｓｅｄｍｏｒｐｈｏｍｅｔｒｙ（ＶＢＭ）ａｎｄａｎａｌｙｓｉｓｏｆｖａｒｉａｎｃｅ（ＡＮＯＶＡ）ｗｅｒｅａｄｏｐｔｅｄ ｔｏｉｎｖｅｓｔｉｇａｔｅｔｈｅｇｒｅｙｍａｔｔｅｒ（ＧＭ）ｖｏｌｕｍｅｄｉｆｆｅｒｅｎｃｅｓｏｆｂｒａｉｎｓｔｒｕｃｔｕｒｅｉｎＭＲｉｍａｇｅｓｆｒｏｍＮＣ ｇｒｏｕｐ，ＭＣＩｇｒｏｕｐａｎｄＡＤｇｒｏｕｐ．Ｔｈｅｎ，ｔｈｅｄｉｍｅｎｓｉｏｎｏｆｔｈｅｄｅｔｅｃｔｅｄｆｅａｔｕｒｅｓｗａｓｒｅｄｕｃｅｄｂｙｒｅ ｃｕｒｓｉｖｅｆｅａｔｕｒｅｅｌｉｍｉｎａｔｉｏｎ（ＲＦＥ）ｍｅｔｈｏｄ．Ｆｉｎａｌｌｙ，ｔｈｅｌｉｎｅａｒｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＬＳＶＭ）ｗａｓ ａｐｐｌｉｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｓｅｔｈｒｅｅｇｒｏｕｐｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔ