基于MRI的輕度認(rèn)知障礙疾病發(fā)展過程的分類預(yù)測研究.pdf

1、輕度認(rèn)知障礙(Mild Cognitive Impairment，MCI)疾病是介于健康老齡化和癡呆之間的中間階段，具有高轉(zhuǎn)變?yōu)槔夏臧V呆(Alzheimer’s disease，AD)的風(fēng)險(xiǎn)，并缺乏科學(xué)臨床診斷方法。近年來，磁共振成像的不斷發(fā)展為檢測MCI患者大腦形態(tài)異常和功能改變提供了必要基礎(chǔ)。但臨床表征輕微、復(fù)雜致病因素和病情反復(fù)等導(dǎo)致MCI疾病的早期診斷和分類困難。為更好的探索不同疾病程度和網(wǎng)絡(luò)特征對MCI分類的影響，本文從以下兩

2、個(gè)方面對MCI疾病發(fā)展過程進(jìn)行分類研究：
　　(1)結(jié)合大腦形態(tài)學(xué)特征與皮層厚度網(wǎng)絡(luò)參數(shù)對MCI是否轉(zhuǎn)變?yōu)?AD患者進(jìn)行分類。首先，根據(jù)MCI轉(zhuǎn)變者(MCIc)轉(zhuǎn)變?yōu)锳D患者時(shí)間的不同，將其細(xì)分為四個(gè)組：距離轉(zhuǎn)變6個(gè)月(MCIc_m6)、12個(gè)月(MCIc_m12)、18個(gè)月(MCIc_m18)和混合轉(zhuǎn)變時(shí)間(MCIc_mixed)。隨后提取包括皮層厚度、皮層體積、皮層表面積等大腦形態(tài)學(xué)特征，并利用皮層厚度差異構(gòu)建個(gè)體網(wǎng)絡(luò)，提取結(jié)

3、構(gòu)網(wǎng)絡(luò)特征。最后分別采用重復(fù)平穩(wěn)選擇的稀疏線性回歸算法(重復(fù)SS_LR)和最小冗余最大相關(guān)(mRMR)算法進(jìn)行特征選擇，并利用基于嵌套式交叉驗(yàn)證的SVM分類器對不同病程樣本進(jìn)行分類。
　　(2)結(jié)合不同頻段的功能網(wǎng)絡(luò)特征對早期 MCI(early MCI，EMCI)和晚期MCI(late MCI，LMCI)進(jìn)行分類。首先對樣本靜息狀態(tài)功能磁共振數(shù)據(jù)(rs-fMRI)進(jìn)行濾波，分為三個(gè)頻段(full-band、slow-4和slow

4、-5)，完成數(shù)據(jù)預(yù)處理。提取每個(gè)腦區(qū)的時(shí)間序列，并構(gòu)建功能腦網(wǎng)絡(luò)。隨后利用圖論分析兩個(gè)樣本和三個(gè)頻段之間功能網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)差異，并提取有效的分類特征。最后采用SS_LR和mRMR算法完成特征選擇，并利用嵌套式交叉驗(yàn)證SVM分類器實(shí)現(xiàn)分類。
　　MCIc和MCI未轉(zhuǎn)變者(MCInc)分類結(jié)果顯示，短程病變預(yù)測享有更好的分類結(jié)果，長程病變預(yù)測效果不佳；在混合病變時(shí)間和短程病變預(yù)測中重復(fù)SS_LR比mRMR分類效果好。分析所選擇特征發(fā)現(xiàn)，

5、重復(fù) SS_LR方法所選腦區(qū)比 mRMR方法更集中，并且皮層形態(tài)學(xué)和結(jié)構(gòu)網(wǎng)絡(luò)特征少有重疊。由此可見，細(xì)分MCI疾病轉(zhuǎn)變時(shí)間可以有效提高分類性能，皮層形態(tài)學(xué)和結(jié)構(gòu)網(wǎng)絡(luò)特征為MCI疾病發(fā)展過程預(yù)測提供互補(bǔ)信息，提高分類精度。
　　EMCI和LMCI分類結(jié)果顯示，單一頻段功能網(wǎng)絡(luò)特征享有較低分類性能，整合三個(gè)頻段功能網(wǎng)絡(luò)特征進(jìn)行分類，分類性能顯著提高；此外SS_LR比mRMR分類結(jié)果更好更穩(wěn)定。在所選特征中，slow-4頻段的特征占據(jù)主