论文部分内容阅读
阿尔兹海默症(Alzheimer’s Disease,AD)是一种典型的神经退化性疾病,其病理过程复杂,而且目前尚没有有效的治疗手段来治愈该疾病,所以对该疾病的提前诊断与预测成为预防该种疾病的主要手段。轻度认知障碍(Mild Cognitive Impairment,MCI)一般被认为是阿尔兹海默症的前兆症状,该疾病的临床表现为记忆力和认知能力的下降,注意力容易分散,判断能力出现问题。但是还没有达到对日常生活和工作产生严重影响的程度,和阿尔兹海默症的严重程度还有一定的差距。但是如果不重视轻度认知障碍,不对其进行及时的治疗,其很容易转变为阿尔兹海默症。所以通过轻度认知障碍的研究可以有效的预防阿尔兹海默症。如何从临床被试中准确分类出轻度认知障碍患者一直是计算神经影像学的热点。本文将探索基于磁共振成像的轻度认知障碍分类,从而为阿尔兹海默的早期预测提供方法指导和理论依据。本文主要研究工作进展和成果包括:(1)对采集到的MRI影像进行处理,采集正常老人和轻度认知障碍患者2年内的数据,将正常人被试组第一次采集的信息定义为NCSC,第二次采集的定义为NC24,而MCI被试组同样被分为MCISC和MCI24两组,通过对NC组和MCI组进行组间和组内的比较,探索MCI患者大脑皮层厚度的萎缩区域,发现MCI患者和正常老年人相比有多个脑区的皮层厚度发生明显的变薄。从而为利用皮层厚度进行分类提供了理论依据。由于正常老年人和MCI患者在两年内皮层厚度都发生了萎缩,为了判断是由何种因素引发的萎缩,分别计算两年内两组人群各脑区的萎缩速度,划分出正常萎缩和由疾病引起的萎缩的临界值。(2)利用模式识别的方法,使用大脑皮层78个脑区的平均厚度作为分类特征,对NC组和MCI组进行分类。我们比较了三种特征选择方法对分类结果的影响。一种是SVM-RFE提取的皮层厚度特征,一种是Relief提取的皮层厚度特征,最后一种是综合SVM-RFE和Relief提取的厚度特征。分类结果表明利用大脑皮层厚度作为分类特征来分类正常老年人和MCI患者具有一定的可行性。