论文部分内容阅读
阿尔茨海默病(AD)是一种神经退行性疾病,且引起的认知能力变化与脑皮层形态改变密切相关。为了能够在AD病症的早期进行有效的干预,需要对脑皮层形态的变化进行准确的特征描述和鉴别分类。本文首先从脑皮层的形态特征检测入手,利用MRI影像,提出了一种基于四面体网格模型的脑皮层厚度估测算法。该算法结合奇偶性规则和收缩策略来检测和修复由FreeSurfer软件分割脑皮层产生的交叉重叠区域,然后构造反映脑MRI影像固有形态特征的四面体网格模型。利用有限元方法计算狄利克雷边界条件下拉普拉斯方程,构建脑皮层内部稳态场的分布。利用构造的局部等温面策略和线性几何确定梯度线方向,结合半面数据存储结构,提高算法的执行效率。最终通过每条梯度线的长度准确而有效地计算出脑皮层厚度,并利用统计学方法分析AD病症(AD,110位),轻度认知障碍(MCI,101位)和正常人(CTL,128位)之间的组间脑皮层厚度特征差异,对比FreeSurfer方法和基于拉普拉斯方程利用立方体体素的脑皮层厚度测量方法,结果表明:提出的厚度特征测量算法能够准确捕获脑皮层的厚度特征,有效提高厚度测量的准确度,在检测脑皮层厚度显著性差异区域具有较强的统计分析能力。然后,利用测量的脑皮层厚度为AD、MCI与CTL的分类特征,提出了一种基于组间鉴别分类的特征重建与分类协同优化的特征选择方法(kROI方法),利用统计学的单边t检验和K-最近邻方法(KNN)得到分类先验知识,提取出组间厚度差异较大的感兴趣区域(ROI)。然后融合线性判别分析(LDA)算法,构建kROI-LDA融合算法,进一步提高鉴别分类的准确性。最后运用SVM分类器对全脑特征、kROI方法选择的特征、基于全脑进行LDA降维后的特征以及kROI-LDA方法构造的特征进行分类预测,结果证明使用kROI-LDA方法可以有效减少冗余信息和噪声对分类结果的影响,实现了不同组间分类正确率的提升。