论文部分内容阅读
阿尔茨海默病(Alzheimer’s Disease,AD)是一类脑中枢的神经退行性疾病,就是日常生活中我们所说的老年痴呆。而轻度认知障碍(Mild Cognitive Impairment,MCI)被普遍认为是AD的前期阶段。根据相关研究报告显示,每年有10%-15%的MCI患者发展成为AD,然而每年正常人群(Normal People,简称NC)发展成为AD的人群数量只有2%。因此MCI患者是发生AD的高危人群。与此同时,AD是一种发病隐匿、不易被人察觉的神经性疾病,并且目前的研究没有找出哪些生物特征能较早的确定患者是否具有转化倾向。同时没有找到对AD有效的治疗手段,但是在发病的早期阶段,可以通过相应的治疗方法延缓病情的进一步恶化。这就使得阿尔茨海默病的早期诊断(即患者处于轻度认知障碍阶段的确诊)变得尤为重要。而通过利用AD、MCI和NC(正常人群)生物指标的差异进行相应的分类研究,可以为临床早期的诊断、疾病的早期预防及其治疗提供有效的帮助。因此,如何从不同人群中十分准确的分析出患者病情阶段的研究一直都是该疾病研究的热点和难点问题。本文是基于sMRI(结构化核磁共振)数据对NC和MCI的分类研究,以此为MCI的早期诊断和提前预防治疗提供相应的帮助。近年来基于大脑曲面形态学的分析研究是一种新出现的大脑形态学分析方法,越来越多的研究学者证明利用大脑皮层(尤其在沟回区)的相关生物指标,实验结果获取到分类的准确度与灵敏度比较好。但是特征选择的方法多种多样,如何选择比较适合的方法将会对分类的结果产生较大的影响。同时,目前利用大脑皮层厚度的相关研究实现的分类准确度还有待提高。因此本文结合磁共振图像通过相应处理,获取得到脑皮层厚度特征数据对NC和MCI进行了分类研究,以此实现对患者的病情进行准确的判断,以实现对AD的早期阶段(MCI阶段)病情的早期预防和诊断。本文主要贡献如下:(1)采用排名融合系统(Rank Combination)的方法将MI和Pearson结合,不仅考虑78个脑区的脑皮层厚度与类标签的相关性,而且在进行特征选择的过程中,同时考虑到已经选出的特征子集之间的冗余性。因此避免了只考虑相关性而忽视特征之间冗余度最终导致特征之间存在较大的冗余性,或者只考虑特征之间的冗余度而忽视每个特征对类标签的确定性而造成最终的分类结果不理想的问题。(2)针对mRMR只是将两种排名融合系统结合起来,并没有考虑两种排名系统哪一种对最终的分类效果更优。为了解决上述问题,本文在两种排名融合系统中加入相应的权重系数,通过相应的分类实验,我们找出了最佳的特征子集。同其他的方法进行比较,实现了更高的分类准确性。(3)使用本文中新的特征选择方法结合支持向量机进行分类的研究,选取分类的准确度达到最高的特征子集。通过脑区的对照图像,这些特征所对应的脑区部位主要集中在海马旁回和后扣带回,这与之前的相关研究类似。同时,也发现了与之前研究不相同的脑区(额中回和嗅皮质),为今后的进一步研究提供了参考依据。