MR影像体素形态学的阿尔茨海默病自动分类方法

作     者：郭圣文 池敏越 岑桂英 匡翠立 牛传筱 赖春任 吴效明 The Alzheimer's Disease Neuroimaging Initiative (ADNI) Guo Shengwen;Chi Minyue;Cen Guiyin;Kuang Cuili;Niu Chuanxiao;Lai Chunren;Wu Xiaoming;The Alzheimer's Disease Neuroimaging Initiative(AD

作者机构：华南理工大学材料科学与工程学院广州510006 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2015年第45卷第2期

页      面：260-265页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 080203[工学-机械设计及理论] 0802[工学-机械工程] 10[医学] 

基　　金：国家自然科学基金资助项目(31371008 81171179) 

主　　题：阿尔茨海默病 轻度认知功能障碍 体素形态学 支持向量机 递归特征消除 

摘      要：为了确定轻度认知功能障碍(MCI)与阿尔茨海默病(AD)患者发生萎缩的重要脑区,实现正常老年人(NC)对照组、MCI与AD三组人群的分类,选择了178名被试的脑部MR影像,利用体素形态学与方差分析方法,考察NC,MCI与AD三组人群的MR影像中灰质体积差异;然后,采用递归特征消去法对特征进行降维;最后,利用线性支持向量机对这3种人群进行分类.实验结果表明,MCI组与NC组、MCI组与AD组、AD组与NC组的平均分类准确率分别为(90.2±1.3)%,(74.7±0.9)%,100%.对分类产生重要影响的脑区包括海马、海马旁回、杏仁核、梭状回和嗅皮层等.所提方法不仅能有效揭示NC,MCI,AD三组人群的脑灰质差异,阐明MCI患者与AD患者脑区发生萎缩的过程与特性,而且能准确区分这3组人群,具有显著的临床应用价值.