首页 > 文献资料
-
基于磁共振图像的帕金森病自动分类算法研究
帕金森病(Parkinson disease,PD)是常见的神经退行性疾病.其主要病理改变是黑质纹状体细胞的进行性损失和细胞内路易斯小体的聚集,只有到神经元死亡50％-60％后才会出现临床症状.因此PD的早期诊断一直是一个难题.该研究是基于matlab的特征数据提取、特征筛选以及应用支持向量机的分类器训练与测试.参考了ALL大脑分区模版进行特征数据提取,提取的特征包括脑脊液CSF、灰质GM、白质WM、低频振幅ALFF、区域一致性ReHo.特征选择采用三种方法,包括:双样本T检验、基于距离的Relief排序和基于支持向量机的递归特征消除(SVM-RFE).将特征选择得到的特征向量集用于分类器训练,分类器测试使用留一交叉验证.结果表明,基于MRI影像学分析方法,可以对早期PD的出现进行准确率较高的预测.
-
多重支持向量机递归特征消除模型在癌症特征基因筛选中的应用
目的 使用多重支持向量机递归特征消除算法(MSVM-RFE)对癌症的基因表达谱数据进行分析并计算基因排序分数,得到优特征基因子集.方法 从高通量基因表达数据库下载膀胱癌、乳腺癌、结肠癌和肺癌的基因表达谱数据并通过差异表达分析得到差异表达基因.对差异表达基因进行基于MSVM-RFE算法的特征基因排序并计算每种基因子集的平均测试误差,进而根据小平均测试误差得到优基因子集.基于4种癌症特征基因筛选前后的数据集,分别构建线性SVM并验证优特征基因子集的分类效能.结果 使用MSVM-RFE算法得到的优特征基因子集,可使膀胱癌的分类准确率从(96.77±1.28)％提高至(99.85±0.46)％,使乳腺癌的分类准确率从(83.77±4.93)％提高至(88.30±3.85)％,肺癌的分类准确率从(72.69±2.41)％提高至(90.21±3.31)％,使结肠癌的分类准确率维持在较高的程度(>99.5％).结论 基于MSVM-RFE算法的特征基因提取可在一定程度上提高癌症的分类效能.
-
基于多模态磁共振影像的抑郁障碍自动分类研究
目的 基于多模态磁共振影像,对抑郁障碍患者和正常对照进行自动分类.方法 采集40例抑郁障碍患者和40名正常对照的结构磁共振和静息态功能磁共振图像,基于自动解剖标签模板提取90个感兴趣区域的灰质体积、局部一致性、低频振荡振幅和度中心度作为特征进行输入,用基于递归特征消除的支持向量机对抑郁障碍患者和正常对照进行自动分类研究.结果 局部一致性和低频振荡振幅的组合为佳分类特征,分类准确率达到87.50％,并且分类权重大的脑区主要位于额叶和舌回.结论 基于多模态磁共振影像的自动分类能从个体水平上有效区分抑郁障碍患者和正常对照,额叶和舌回的特征用于抑郁障碍的诊断敏感性较高.
-
基于多模态磁共振影像的首发未用药精神分裂症自动分类研究
慢性精神分裂症患者大脑的结构和功能异常已经被广泛报道,但是首发未用药精神分裂症患者和正常人的相关研究较少.本研究采集了44名首发未用药精神分裂症患者和56名正常人的结构和静息态功能磁共振图像,基于自动解剖标签模板提取了90个感兴趣区域的灰质体积、局部一致性、低频振荡振幅和度中心度作为特征,并将这些特征作为输入,用基于递归特征消除的支持向量机对首发未用药精神分裂症患者和正常人进行分类.结果表明,局部一致性和低频振荡振幅的组合为佳分类特征,分类准确率达到96.97％,并且分类权重大的脑区主要位于额叶.研究结果有利于加深对精神分裂症神经病理机制的了解,有助于开发出用于临床辅助诊断的生物学标记物.
