基于模式識別的癲癇腦網(wǎng)絡研究.pdf

1、癲癇，是大腦神經(jīng)元突發(fā)性異常放電，導致短暫的大腦功能障礙的一種慢性疾病。由于異常放電的起始部位和傳遞方式的不同，癲癇發(fā)作的臨床表現(xiàn)復雜多樣，可表現(xiàn)為發(fā)作性運動、感覺、自主神經(jīng)、意識及精神障礙。關于該疾病，先前的研究大都是致力于尋找該疾病的生理病灶，或者構建網(wǎng)絡，展示網(wǎng)絡間或網(wǎng)絡內(nèi)的連接異常，很少有將該疾病數(shù)據(jù)與正常人數(shù)據(jù)進行個體模式識別和分類的研究。本文主要致力于用模式識別方法將癲癇疾病與正常人的磁共振數(shù)據(jù)區(qū)分開來，并且尋找一致連接區(qū)域

2、，為預測和診斷癲癇疾病打下堅實的基礎。主要工作如下：
　　首先，針對癲癇患者腦功能連接個體差異的特征的臨床識別問題，采用60例全面強直陣攣發(fā)作癲癇(GTCS)以及63例正常人的磁共振數(shù)據(jù)，利用功能連接方法構建大尺度腦功能網(wǎng)絡為模式識別特征信息，并運用支持向量機進行分類，選擇F分數(shù)排名前600的特征時，分類效果最好，其中三個指標的分值分別是：81.3％的正確率，73.33%的特異性以及88.89%的敏感性。最后對模式識別分類結果通過

3、特征權重排序，尋找出一致連接區(qū)域，研究發(fā)現(xiàn)分類權重比較大的區(qū)域主要包括：背外側額上回，眶部額上回，眶部額下回，額中回等等，這些腦區(qū)的顯著性差異與前人的研究結果一致，其中分類權重最高的區(qū)域為背外側額上回，可能是區(qū)分該疾病的重要特征；并證實了F分數(shù)算法對癲癇數(shù)據(jù)分類的有效性。
　　其次，針對癲癇患者腦功能活動低頻振蕩幅度個體差異的特征臨床識別問題，采用了60例GTCS以及63例正常人的磁共振數(shù)據(jù)，利用靜息態(tài)功能磁共振數(shù)據(jù)進行分頻計算，

4、分別得到slow-5頻段和slow-4頻段的數(shù)據(jù)，并且分別計算兩個頻段的低頻振蕩幅度為分類特征，用Relief算法作為分類算法對兩組數(shù)據(jù)進行特征選擇，結果如下：穩(wěn)定選擇分數(shù)排名前500個特征時，在slow-5頻段，分類器得到了最高的正確率80.9%（73.33%的敏感性，88.89%的特異性）；在slow-4頻段，分類器的最高正確率為79.6%（敏感性為72.63%，特異性為86.94%）。該研究發(fā)現(xiàn)slow-5頻段的三個指標均略高于s