面向阿爾茨海默病的磁共振擴散峭度成像特征分析與識別.pdf

1、阿爾茨海默?。ˋlzheimer’s disease,AD）是一種典型的神經退行性疾病，伴隨嚴重的記憶認知能功能下降或障礙，無有效治療手段，極大影響了老年人健康生活。擴散峭度成像（Diffusion kurtosis imaging，DKI）是近幾年新興的一種擴散磁共振成像的方法，其在擴散張量成像（Diffusion tensor imaging，DTI）基礎上引入高階峭度統(tǒng)計量來描述生物組織中水分子的擴散行為，可更敏感地反映組織的微觀

2、結構特征，有望在AD早期診斷中發(fā)揮重要作用。
　　本文首先通過對高階峭度張量的特征值分解，得到了基于該峭度張量的參數(shù)圖像，進行了全腦圖像參數(shù)之間的散點圖分析與感興趣區(qū)域的相關性分析，發(fā)現(xiàn)峭度特征參數(shù)對于不同腦部組織（尤其在灰質和交叉纖維區(qū)域）的對比度區(qū)分表現(xiàn)較突出，參數(shù)之間的聯(lián)合分析有助于擴散磁共振圖像對于不同組織的自動分割。相關性分析中，各向異性參數(shù)和平均峭度系數(shù)之間呈現(xiàn)顯著的正相關性，為峭度生理意義和診斷價值的進一步探索提供了

3、參考。
　　研究中采集了17例AD患者和26例健康老年人（年齡、性別均匹配）的磁共振臨床影像數(shù)據分別作為實驗組和對照組，采用基于遞歸特征篩選支持向量機的模式識別方法對其DKI和DTI特征集進行了優(yōu)化，研究結果表明得到的最優(yōu)特征子集在AD診斷中的正確率相對特征篩選前均得到顯著性的提升。文中還對特征子集顯著性、ROC曲線以及相關性等方面進行了分析，結果發(fā)現(xiàn)：模式識別的方法既能以多特征聯(lián)合分析的方式進行診斷分析，其機器學習的結果也能反映