抑郁症共病焦虑障碍患者磁共振影像学研究

发布时间：2017-08-21 11:13

  本文关键词：抑郁症共病焦虑障碍患者磁共振影像学研究

  更多相关文章： 抑郁症 抑郁症共病焦虑障碍 磁共振影像 基于体素的形态测量学 机器学习

【摘要】：抑郁症与焦虑障碍虽然属于两个完全独立的疾病单元,但是两种疾病又常常同时存在,即医学上所谓的“共病”。抑郁症和焦虑障碍共病患者(以下简称“共病患者”)具有起病年龄晚、病情重、自杀危险性高、社会功能损害重等特点。本文基于脑结构磁共振图像,采用形态学分析及机器学习等方法,研究共病患者脑结构形态的特征及特异性。本文主要研究内容包括两个部分:一、采用基于体素的形态测量学(VBM)及感兴趣区域体积(ROI)等分析方法,研究共病患者、抑郁症患者、健康对照组等三组被试的脑灰/白质体积组间差异以及与疾病严重程度之间的关系。三组被试的灰质体积存在显著差异的脑区主要分布在大脑岛叶、额叶、顶叶、颞叶等部位,白质体积存在显著差异的脑区主要分布在小脑顶叶、大脑额叶、顶叶等部位。此外,大部分具有显著差异的感兴趣脑区中,灰质体积或白质体积与临床评价指标存在显著相关性。例如,左岛叶皮质的灰质体积与汉密尔顿焦虑评分呈显著正相关,推测左岛叶皮质可能是区分抑郁症患者有无共病焦虑障碍的重要脑区。二、研究机器学习理论在磁共振影像数据上的应用,实现疾病的自动分类识别。采用标准支持向量机、F-score特征选择的支持向量机、RFE特征选择的支持向量机等,对磁共振图像数据进行分类训练与测试。通过对分类器效果对比,发现RFE特征选择支持向量机在组间分类上效果和准确率最佳,例如结合灰质体积及白质体积特征的分类试验中,共病患者与抑郁症患者的特异性、敏感度、准确率均达100%。本研究发现共病患者与抑郁症患者、健康对照相比较,大脑及小脑的灰质及白质体积在小脑顶叶、大脑岛叶、额叶、顶叶等部位具有显著差异,且与疾病严重程度之间存在显著相关性。机器学习的分类结果表明,基于脑结构磁共振图像的形态学特征可以实现高准确率的被试自动分类识别。本文基于结构磁共振影像数据,采用形态学分析与机器学习相结合的方法,发现了共病患者脑形态结构的特异性,并实现了高准确率的分类识别,对精神疾病的临床辅助诊断具有一定的参考价值。
【关键词】：抑郁症 抑郁症共病焦虑障碍 磁共振影像 基于体素的形态测量学 机器学习
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R749;R445.2
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-17
• 1.1 研究背景及意义10-12
• 1.2 国内外研究现状及发展动态分析12-14
• 1.3 本文主要研究内容及意义14-17
• 1.3.1 主要研究内容14-15
• 1.3.2 研究意义与应用前景15-17
• 第二章 磁共振影像学分析方法17-30
• 2.1 大脑的解剖学基础17-18
• 2.1.1 引言17
• 2.1.2 大脑解剖学的背景知识17-18
• 2.2 磁共振成像技术18-21
• 2.3 基于体素的形态测量学21-23
• 2.3.1 基于体素的形态测量学原理及方法21-22
• 2.3.2 对基于体素的形态测量学(VBM)的优化22-23
• 2.4 基于磁共振脑图像的大脑形态学分析23-25
• 2.4.1 图像的获取23-24
• 2.4.2 图像处理24-25
• 2.5 基于机器学习理论的分类理论25-30
• 2.5.1 支持向量机（SVM）基础理论背景25-27
• 2.5.2 支持向量机（SVM）分类原理27-28
• 2.5.3 性能分析28
• 2.5.4 核函数及参数选取28-30
• 第三章 抑郁症共病焦虑障碍患者的脑结构磁共振图像分析30-49
• 3.1 引言30
• 3.2 材料与方法30-32
• 3.2.1 研究对象30-31
• 3.2.2 影像数据采集31
• 3.2.3 图像处理31
• 3.2.4 统计分析31-32
• 3.3 结果32-47
• 3.3.1 临床和人口统计学特征分析32-35
• 3.3.2 大脑灰质体积异常35-39
• 3.3.3 大脑白质体积异常39-42
• 3.3.4 临床数据与灰质和白质体积的相关性分析42-47
• 3.4 讨论47-48
• 3.5 本章小结48-49
• 第四章 抑郁症共病焦虑障碍患者的自动分类研究49-58
• 4.1 引言49
• 4.2 自动分类研究49-53
• 4.2.1 支持向量机49
• 4.2.2 支持向量机（SVM）学习方式49-50
• 4.2.3 支持向量机（SVM）训练数据集的选择50
• 4.2.4 数据特征选择（降维）50-53
• 4.3 实验结果分析53-57
• 4.4 本章小结57-58
• 第五章 总结与展望58-60
• 5.1 总结58
• 5.2 展望58-60
• 参考文献60-66
• 攻读硕士学位期间取得的研究成果66-68
• 致谢68-69
• 附件69

【参考文献】

中国期刊全文数据库 前1条

1 贺建华;张娜;龚云涛;;焦虑抑郁共病研究概述[J];精神医学杂志;2010年06期

中国硕士学位论文全文数据库 前8条

1 卞清涛;焦虑、抑郁与焦虑抑郁障碍共病认知障碍的对照研究[D];中南大学;2003年

2 张燕;基于体素分析方法的广泛性焦虑障碍患者脑白质弥散张量成像研究[D];中南大学;2009年

3 胡勇;基于功能磁共振数据的抑郁症判别分析[D];湖南师范大学;2012年

4 苟芯源;抑郁症的磁共振影像学研究进展[D];重庆医科大学;2012年

5 李辉辉;失语症的灰质形态学及脑网络研究[D];电子科技大学;2012年

6 杨乐;脑血流自动调节与焦虑症相关性研究[D];吉林大学;2013年

7 马超琼;结合基于体素的形态学分析和静息态fMRI对抑郁症的研究[D];电子科技大学;2013年

8 李顺才;基于底层特征和SVM的图像分类[D];河南大学;2013年

，

本文编号：712545