基于静息态fMRI的轻度认知障碍疾病分类研究

发布时间：2020-08-08 05:40

【摘要】：阿尔兹海默疾病(Alzheimer’s disease,AD)俗称老年性痴呆,是一种不可逆转的慢性神经退行性疾病,具有认知功能由慢到快迅速下降的临床特点。轻度认知障碍(Mild Cognitive Impairment,MCI)疾病是处于正常衰老和痴呆之间的一种中间状态,每年有10%-15%的MCI病人转化为AD,并且目前临床上缺乏准确的诊断标准。随着神经影像学技术的发展,越来越多的人利用构建结构和功能脑网络的方法探究MCI疾病的早期诊断。为了更好地了解不同程度疾病对脑功能网络变化的影响以及脑功能网络是否有助于早期诊断和分类疾病,本文研究的内容主要包括以下两部分:(1)我们在不同的频段下构建脑功能网络分析不同程度疾病脑功能网络之间的差异。首先筛选出符合标准的正常控制组(Normal Control,NC)、早期MCI(early MCI,EMCI)组、晚期MCI(late MCI,LMCI)组和AD组被试的静息态功能磁共振(resting-state functional Magnetic Resonance Imaging,rs-fMRI)。其次对四组rs-fMRI数据进行预处理,滤波分为full-band、slow-4和slow-5三个频段。随后提取所需脑区的时间序列,利用皮尔逊相关系数(pearson’s correlation)构建脑功能网络。最后使用图论理论计算和分析EMCI和LMCI组之间以及AD和NC组之间的脑功能网络的差异性。结果表明在slow-4频段中,EMCI和LMCI之间以及AD和NC之间的全局网络属性均不存在显著性差异;在full-band频段中,EMCI和NC组的全局效率在小部分阈值化下分别显著大于LMCI和AD组,而LMCI和AD组的特征路径长度在小部分阈值化下分别显著大于EMCI和NC组;在slow-5频段中,EMCI和NC组的全局效率、局部效率和平均聚类系数在大部分阈值化下分别显著大于LMCI和AD组,同样LMCI和AD组的特征路径长度在大部分阈值化下分别显著大于EMCI和NC组。(2)在脑功能网络特征的基础上对EMCI和LMCI以及AD和NC两组被试进行分类。在EMCI和LMCI组上使用最小冗余最大相关算法(minimal redundancy maximal relevance feature selection algorithm,mRMR)、基于平稳选择的稀疏线性回归特征选择算法(Sparse linear regression feature selection algorithm based on stationary selection,SS-LR)和费舍尔得分(Fisher Score,FS)三种算法对网络属性特征进行特征选择,并使用SVM分类器实现分类。分类结果表明,使用mRMR算法选择的特征比SS-LR和FS算法选择的特征更具有高分类性能,在slow-5低频段中使用mRMR算法进行特征选择取得的分类效果最佳,分类准确率达到83.87%。在AD和NC组上,使用基于SVM和基于决策树的逐步向后删除特征选择算法,基于决策树进行特征选择并分类的方法取得的分类效果较好,基于SVM进行特征选择并分类的方法获得的分类效果较差。在不同的频段下,低频段slow-5获得的分类效果最佳,使用决策树获得94%的分类准确率。由此可见不同频段的分类结果不同,slow-5频段的分类效果比slow-4和full-band频段更好更稳定性。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R445.2;R749.16

【相似文献】