多類型磁共振影像特征融合算法用于阿爾茲海默病早期診斷.pdf

1、阿爾茲海默病（AD）是一種常見的神經(jīng)性退行性疾病，屬于常見的神經(jīng)性癡呆，危害嚴(yán)重，而防治的關(guān)鍵是無創(chuàng)早期診斷。相關(guān)研究表明，影像形狀和紋理特征與阿爾茨海默病早期病變相關(guān)，但特征間相互關(guān)系復(fù)雜，因而需要進(jìn)行選擇融合。本文提取了多種基于磁共振影像的形狀和紋理特征，設(shè)計特征選擇分類集成模型對提取的磁共振影像特征進(jìn)行深度融合，以獲取較融合前更高更穩(wěn)定的分類診斷準(zhǔn)確率。論文的主要創(chuàng)新性工作如下：
　?、傺芯坎?shí)現(xiàn)了一種用于腦磁共振影像的預(yù)處

2、理及特征提取的管道程序。該程序可以對輸入的腦磁共振影像進(jìn)行去噪、配準(zhǔn)、頭骨剝離、解剖結(jié)構(gòu)分割、形狀紋理等特征提取一系列處理，適用于任意人的腦圖像樣本。目前很少發(fā)現(xiàn)能實(shí)現(xiàn)上述一系列處理的單個軟件或算法，該程序?yàn)榛谀X磁共振影像的研究提供了有效工具，為后續(xù)基于特征的分類識別，提供了可靠的特征源。
　?、谘芯坎⑻岢隽嘶诩僭O(shè)統(tǒng)計檢驗(yàn)的磁共振影像特征融合算法。計算提取的影像特征的 pvalue值，基于不同閾值選取符合顯著水平的影像特征?；?/p>

3、于選擇后的特征對影像樣本進(jìn)行處理獲得對應(yīng)的樣本特征矩陣，引入支持向量機(jī)（SVM）進(jìn)行分類，分類準(zhǔn)確率較選擇前明顯提高。
　　③研究并提出了基于特征選擇分類集成模型的磁共振影像封裝式特征融合算法。該算法采用封裝式特征選擇模式，采用SVM分類器評估待選特征子集，采用遺傳算法進(jìn)行全局尋優(yōu)，獲取使SVM分類準(zhǔn)確率最高的最優(yōu)特征子集作為最終融合結(jié)果，從而構(gòu)成了特征選擇分類集成模型。
　　本文研究并實(shí)現(xiàn)了一種用于腦磁共振影像的預(yù)處理及特