基于磁共振影像腦疾病分類的模式識別方法研究.pdf

1、核磁共振成像技術在腦組織結構及其功能成像中有著廣泛的應用，相關方法繁多、特征豐富、適用疾病廣泛。但從臨床磁共振技術的諸多方法與不同應用中，如何探索出更加適用于腦疾病臨床診斷分類的成像與分析方法，一直是懸而未決的課題，值得進行系統(tǒng)性的研究分析。本文研究目的是分析多種磁共振影像模態(tài)、多中心多疾病數(shù)據(jù)下多種特征提取、特征選擇方法和多種分類器實際應用在臨床診斷中的表現(xiàn)和特性，并基于上述經(jīng)驗和定性分析提出適合腦影像模式識別的新型特征提取算法“隨機

2、結構稀疏算法”，重點從多角度分析各類神經(jīng)科學與臨床診斷問題中模式識別的實際效果并提出自己的優(yōu)化設計。
　　主要研究過程分為四個步驟：第一步是將多體素模式識別方法應用在多個中心的精神分裂癥數(shù)據(jù)中，對相關現(xiàn)象和初步結論進行重復驗證，并得出趨向一致性或與數(shù)據(jù)相關的基本模式識別技術應用方法論；隨后采用同一機器下不同疾病、兩個模態(tài)的數(shù)據(jù)分析基本模式分類效果并探索特征提取的應用意義，疾病對象包括精神分裂癥、抑郁癥、雙相情感障礙，分析模態(tài)包括T

3、1結構圖像和功能磁共振影像。第二步在保證基本模式識別方法正確率的基礎上，努力探索對疾病生物標記物特征提取的新方法，創(chuàng)新性地采用結構化正則參數(shù)和隨機化子采樣，并引入非監(jiān)督學習，提升模式識別方法分類的效果并優(yōu)化疾病特征的提取，緊接著首次整合上述模型和方法，以LASSO作為稀疏回歸模型算法、結合結構稀疏和隨機算法，提出一種全新的特征提取算法“隨機結構稀疏”。第三步在分子病理和發(fā)病機制較為明確的帕金森氏癥上，采用新算法和網(wǎng)絡連接計算方法對患者的

4、差異腦區(qū)進行了并行分析和討論。
　　本文新成果有：1.多中心的模式識別分類效果具有相似性，不同方法在分類效果上的提升效果也具有部分一致性，且不同模式識別方法分類效果差異不大；2.在多疾病多模態(tài)分析中發(fā)現(xiàn)不同模態(tài)磁共振數(shù)據(jù)作為基本特征對不同疾病分類的貢獻不同，有的疾病適合結構像分析，有的則適合功能網(wǎng)絡分析；3.稀疏模型、非監(jiān)督聚類方法、結構范數(shù)模型、隨機化方法這些MVPA優(yōu)化特征提取技術在小樣本分類、區(qū)域敏感性、差異可視化等方面相較