论文部分内容阅读
颞叶癫痫(Temporal Lobe Epilepsy,TLE)是一种由神经元异常放电引发的中枢神经系统疾病,全球有超过5000万癫痫患者。由于TLE的病因、致病机制、临床症状复杂多样,目前TLE的诊断仍然主要依靠经验丰富的医生,临床上还没有具体的量化指标。近年来,TLE的遗传学、病理学、影像学等方面已有广泛研究,但TLE患者的大脑皮层特征异常模式及其与脑认知功能间的关系仍不明确,准确有效地诊断TLE与病灶自动定位,也是亟待解决的问题。首先收集117例TLE患者和115名健康志愿者(对照组)的结构MR影像数据,接着应用FreeSurfer软件对MR图像进行预处理、皮层重建及计算皮层特征,基于顶点分析TLE患者的皮层厚度、表面积、灰质体积、平均曲率四种皮层特征的变化模式,然后采用Desikan-Killiany与Destrieux大脑图谱的皮层特征、双样本t检验与递归特征消除两种特征选择方法,应用支持向量机(Support Vector Machine,SVM)和四种皮层特征对TLE进行自动分类识别,比较两个大脑图谱、两种特征选择方法、四类皮层特征的识别效果。此外,初步探讨了深度学习算法用于TLE的分类识别,主要利用CaffeNet和GoogleNet,综合比较不同网络模型和训练方式的分类性能。最后,比较与讨论了传统机器学习方法与深度学习技术的差异性。研究发现TLE患者的脑皮层厚度广泛存在明显变薄现象,且左侧大脑变化更明显,包括双侧颞下回、双侧额中回下部、左脑外侧眶额、左脑楔前叶和右脑距状旁回等;而TLE患者的皮层表面积明显增大,包括左脑中央前回、左脑额下回岛盖部、左脑额中回上部、右脑额中回上部、右脑额上回等;大脑灰质体积萎缩显著,包括左脑梭状回、楔前叶、额上回、颞中回和右脑颞下回、额中回上部、顶叶上回、前扣带回上部等,平均曲率也出现较大范围的形态改变。利用Desteriux图谱的皮层特征,SVM能以100%的准确率识别出TLE,明显高于Desikan-Killiany图谱的65.09%,递归特征消除法比t检验法选择的特征子集具有更优越的识别能力,灰质体积和皮层表面积的效果更优,对分类重要的脑区主要分布在颞叶和额叶,具有强识别能力的特征包括枕极、眶下沟和脑直回的皮层表面积,以及枕极、脑直回、眶下沟和额颞横沟回的灰质体积。应用CaffeNet和迁移学习方法来区分TLE与对照组的准确率达91.16%,优于GoogleNet的86.58%。研究结果表明,TLE患者的脑皮层形态结构发生异常变化,不同类型皮层特征与模式识别方法,其分类性能亦存在较大差异,脑皮层特征的变化模式信息,可被有效地应用于TLE的自动识别与病灶定位。