论文部分内容阅读
轻度认知障碍(Mild Cognitive Impairment,MCI)疾病是介于健康老龄化和痴呆之间的中间阶段,具有高转变为老年痴呆(Alzheimer’s disease,AD)的风险,并缺乏科学临床诊断方法。近年来,磁共振成像的不断发展为检测MCI患者大脑形态异常和功能改变提供了必要基础。但临床表征轻微、复杂致病因素和病情反复等导致MCI疾病的早期诊断和分类困难。为更好的探索不同疾病程度和网络特征对MCI分类的影响,本文从以下两个方面对MCI疾病发展过程进行分类研究:(1)结合大脑形态学特征与皮层厚度网络参数对MCI是否转变为AD患者进行分类。首先,根据MCI转变者(MCIc)转变为AD患者时间的不同,将其细分为四个组:距离转变6个月(MCIc_m6)、12个月(MCIc_m12)、18个月(MCIc_m18)和混合转变时间(MCIc_mixed)。随后提取包括皮层厚度、皮层体积、皮层表面积等大脑形态学特征,并利用皮层厚度差异构建个体网络,提取结构网络特征。最后分别采用重复平稳选择的稀疏线性回归算法(重复SS_LR)和最小冗余最大相关(mRMR)算法进行特征选择,并利用基于嵌套式交叉验证的SVM分类器对不同病程样本进行分类。(2)结合不同频段的功能网络特征对早期MCI(early MCI,EMCI)和晚期MCI(late MCI,LMCI)进行分类。首先对样本静息状态功能磁共振数据(rs-fMRI)进行滤波,分为三个频段(full-band、slow-4和slow-5),完成数据预处理。提取每个脑区的时间序列,并构建功能脑网络。随后利用图论分析两个样本和三个频段之间功能网络拓扑结构差异,并提取有效的分类特征。最后采用SS_LR和mRMR算法完成特征选择,并利用嵌套式交叉验证SVM分类器实现分类。MCIc和MCI未转变者(MCInc)分类结果显示,短程病变预测享有更好的分类结果,长程病变预测效果不佳;在混合病变时间和短程病变预测中重复SS_LR比mRMR分类效果好。分析所选择特征发现,重复SS_LR方法所选脑区比mRMR方法更集中,并且皮层形态学和结构网络特征少有重叠。由此可见,细分MCI疾病转变时间可以有效提高分类性能,皮层形态学和结构网络特征为MCI疾病发展过程预测提供互补信息,提高分类精度。EMCI和LMCI分类结果显示,单一频段功能网络特征享有较低分类性能,整合三个频段功能网络特征进行分类,分类性能显著提高;此外SS_LR比mRMR分类结果更好更稳定。在所选特征中,slow-4频段的特征占据主导地位,利用单一slow-4特征完成分类,分类结果良好但不稳定;而full-band和slow-5未得到良好分类结果。由此可见,不同低频频段信号携带不同的疾病信息,slow-4特征比fullband和slow-5特征更具稳定性和鲁棒性,将不同频段特征有效组合可以有效的提高分类效果。