基于支持向量机的fMRI对轻度创伤性脑损伤的识别研究

发布时间：2020-10-17 00:25

　　 目的:利用递归特征消除(Recursive feature elimination,RFE)方法,选取辨别能力较强的体素,应用线性支持向量机(Support vector machine,SVM)方法进行分类,寻求可用于区分轻度创伤性脑损伤(mild traumatic brain injury,mTBI)和正常对照组的特征性影像学指标集,并确定对分类最为敏感的关键脑区或网络。方法:24例mTBI患者(男15例,女9例;平均年龄:38.88±13.33岁;受教育程度:8.88±3.58年)和24例状态匹配的健康志愿者(男13例,女11例;平均年龄:40.46±11.4岁;平均受教育程度:8.54±3.41年)接受一次静息态功能磁共振扫描及行为学量表评估。低频振幅(Amplitude of low-frequency fluctuation,ALFF)、分数低频振幅(fractional amplitude of low-frequency fluctuation,fALFF)、局部一致性(Regional homogeneity,ReHo)、度中心度(degree centrality,DC)、对称体素同伦连接(voxel-mirrored homotopic connectivity,VMHC)、长程功能连接密度(functional connectivity density,FCD)和短程FCD七个指标随机组合,总共有126种组合。SVM-RFE机器学习分类方法用以评估这126种组合区分正常对照组和mTBI组的鉴别能力,观察其分类的准确率、敏感性、特异性及曲线下面积(Area under the curve,AUC)。这些特征经SVM-RFE方法降维后,得到分类性能最佳的重要特征,对其贡献度进行归一化,并映射到三维脑区表面。结果:任何一个影像学指标单独区分正常对照组与mTBI组的效能均不高。ALFF、fALFF、ReHo、DC、VMHC、短程FCD和长程FCD共7个指标中,ALFF区分两组的能力最强,但其区分两组的AUC值、正确率、最优敏感性和最优特异性分别为0.692,70.89%、67%和75%。随后,我们分别将多个指标特征进行融合用于区分两组。在126种组合中,将ALFF、fALFF、DC、VMHC和短程FCD这5个指标的特征进行融合时,线性SVM-RFE机器学习分类方法对正常对照组与mTBI组的分类效能达到最优,该组合的AUC值、正确率、最优敏感性和最优特异性分别提高至0.778,81.11%,88%和75%。该组合对正常对照组与mTBI组具有较强区分能力的脑区主要包括双侧小脑、左侧眶额皮层、左侧楔叶、左侧颞极、右侧枕下回、双侧顶叶及左侧辅助运动区等区域。结论:多指标特征融合可提高线性SVM-RFE机器学习的分类效能。理解mTBI患者脑部功能的演变规律,将为临床早期诊断、及时治疗和预后评估提供可靠依据,为揭示mTBI的神经生物学机制提供重要理论依据。
【学位单位】：南昌大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：R445.2;R651.15
【部分图文】：

第 2 章 材料与方法证方法。k-fold 交叉验证主要是将数据集随机分为两个样本（训练样本和本）。首先，设计 SVM 分类器对训练样本数据集进行训练；其次，对测数据集进行测试。以上步骤不断重复进行多次，以提高分类器性能，随分类特征，最终对分类效能进行置换检验，观察所有指标在分类过程中统计学差异。

21图 2 线性 SVM机器学习分类方法用于评估ALFF指标鉴别 mTBI组和正常对照组能力的分类结果。以上四幅图分别代表分类的 AUC 值（A）、正确率（B）、最优敏感性（C）和最优特异性（D）。其中，X 轴代表特征个数，y 轴代表各项指标的分类性能。

图 3 线性 SVM 机器学习分类方法用于评估 fALFF 指标鉴别 mTBI 组和正常对照组能力的分类结果。以上四幅图分别代表分类的 AUC 值（A）、正确率（B）、最优敏感性（C）和最优特异性（D）。其中，X 轴代表特征个数，y 轴代表各项指标的分类性能。
【参考文献】

相关期刊论文 前4条

1 谢凯;高磊;李健;龚洪翰;;轻型脑外伤患者脑网络中心度改变的静息态fMRI研究[J];临床放射学杂志;2015年12期

2 彭楠;钱若兵;傅先明;李顺利;亢志强;林彬;季学兵;魏祥品;牛朝诗;汪业汉;;脑震荡综合征患者脑网络效率的变化[J];中华医学杂志;2015年25期

3 戴西件;闵友江;龚洪翰;高磊;王思勇;周福庆;肖香佐;刘碧霞;;静息态功能磁共振低频振幅技术评价睡眠剥夺下针刺三阴交后效应[J];中国针灸;2012年01期

4 励建安;;脑外伤康复的现状与未来发展趋势[J];中国康复医学杂志;2011年12期

本文编号：2843999