• 北京工业大学 生命科学与生物工程学院(北京 100124);
导出 下载 收藏 扫码 引用

本文提出了一种利用结构磁共振图像多特征组合的阿尔茨海默病(AD)分类新方法。首先,利用 FreeSurfer 软件进行海马分割及皮层厚度、体积测量。然后,采用直方图、梯度、灰度共生矩阵及游程长度矩阵提取海马三维纹理特征,选取 AD、MCI 及 NC 三组间均具有显著差异的参数,与 MMSE 评分进行相关性研究。最后,利用极限学习机,对 AD、MCI 及 NC 进行分类识别。结果显示,无论左侧还是右侧,纹理特征相比于体积特征可以提供更好的分类结果;纹理、体积和皮层厚度互补的特征参量具有更高的分类识别率,且右侧(100%)分类正确率高于左侧(91.667%)。结果表明三维纹理分析可反映 AD 及 MCI 患者海马结构的病理变化,并且结合多特征的分析更能反映 AD 与 MCI 的认知障碍实质差别,更有利于临床鉴别诊断。

引用本文: 初同朋, 杨春兰, 路敏, 吴水才. 基于结构磁共振成像海马多特征组合的阿尔茨海默病分类新方法. 生物医学工程学杂志, 2019, 36(1): 94-100. doi: 10.7507/1001-5515.201803039 复制

  • 上一篇

    支撑脂双层膜的制备及其功能化研究