阿尔茨海默症的影像遗传学建模算法研究与开发

作     者：刘洋 

作者单位：吉林大学 

学位级别：硕士

导师姓名：周丰丰

授予年度：2019年

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100203[医学-老年医学] 0802[工学-机械工程] 10[医学] 

主      题：阿尔茨海默症 核磁共振成像 全基因组关联研究 影像遗传学 疾病多分类 

摘      要：阿尔茨海默症(AD)是一种多发于老年人的神经系统退行性疾病,患者表现出各个方面的痴呆症状,严重影响患者的生活能力,甚至威胁到生命。轻度认知障碍(MCI)是AD的前期,介于正常衰老和AD之间。由于AD的病情发生潜隐,病程长,患者出现明显症状时,往往已经到达了AD的晚期,无法有效的治疗疾病。并且由于AD的最早症状,如短期记忆丧失和偏执怀疑,经常被误认为与衰老和压力有关,或与其他脑部疾病引起的症状混淆,AD早期的准确临床诊断仍然十分重要。在阿尔茨海默症的相关研究中,患者的患病阶段通常被分为健康正常对照(NC),轻度认知障碍(MCI)和阿尔茨海默症(AD)三类。核磁共振成像(MRI)这一神经成像模式被广泛应用于AD的二分类、多分类及其它研究中。同时,最近全基因组关联研究(GWAS)数据已被用于表征AD的几种潜在遗传风险因素。因此,从影像遗传学的角度,将MRI数据与GWAS数据相结合,从而更准确的确定患者的分期是本文的最大目标。本文所做的主要工作如下:首先,我们使用FreeSurfer对阿尔茨海默症神经影像学倡议(ADNI)数据库提供的标准磁共振影像(MRI)数据进行预处理,然后分别对每个脑区截取二维图像,并提取各脑区的灰度分布,解剖参数与Triz特征,进行合并后作为MRI部分的特征。接着我们采用t检验与SVM-RFE相结合的特征选择方法进行特征选择。我们采用八种常见的分类模型来对得到的MRI特征进行模型训练与评估。我们也进行了性别差异性分析,以此来证明在AD中性别因素影响巨大,同时将男女性别的样本分开进行三分类模型的建立,并进行了性别互补的实验。结果显示,分性别建模带来了较大的性能提升。接着,我们采用ADNI数据库提供的单核苷酸多态性(SNP)数据,对其进行建模。而后针对多模态的数据融合问题,提出了前期和后期两种不同的数据融合方案,将磁共振影像与SNP数据进行融合建模,并且也进行分性别建模。实验结果显示,通过融合了SNP的数据,我们的NC-MCI-AD分类性能得到了提升,与其他的研究结果进行对比,我们的算法准确率更高。