【摘要】：阿爾茨海默癥是一種多發(fā)于老年人的神經(jīng)退行性疾病,其起病隱匿,而輕度認(rèn)知障礙是介于健康老年人和阿爾茨海默癥之間的過渡階段.健康老年人通常被定義為正常對(duì)照組.磁共振影像技術(shù)可以無創(chuàng)地顯示腦組織的結(jié)構(gòu)和功能,將其與機(jī)器學(xué)習(xí)中的多元模式分析方法結(jié)合起來,可以有效地進(jìn)行疾病分類研究.本文采用支持向量機(jī)方法對(duì)健康老年人、輕度認(rèn)知障礙患者和阿爾茨海默癥患者的磁共振影像進(jìn)行腦結(jié)構(gòu)的差異分析和分類研究,希望探索一種基于大數(shù)據(jù)和人工智能相結(jié)合的的阿爾茨海默癥的診斷模式.同時(shí),我們對(duì)不同年齡段的正常衰老群體的功能磁共振影像進(jìn)行分類研究,旨在從方法學(xué)的角度上為阿爾茨海默癥的功能研究提供新線索.主要工作內(nèi)容如下:第一章:首先,介紹阿爾茨海默癥的研究背景、研究意義和國(guó)內(nèi)外研究現(xiàn)狀.接著,介紹多模態(tài)(結(jié)構(gòu)/彌散/功能)磁共振成像的基本原理和應(yīng)用,以及本文使用的影像數(shù)據(jù)庫—阿爾茨海默癥神經(jīng)影像數(shù)據(jù)庫和劍橋衰老和神經(jīng)科學(xué)中心數(shù)據(jù)庫.阿爾茨海默癥經(jīng)影像數(shù)據(jù)庫包含健康老年人、多種亞型的輕度認(rèn)知障礙患者和阿爾茨海默癥患者,旨在從不同角度分析阿爾茨海默癥演變過程中的病理機(jī)制.劍橋衰老和神經(jīng)科學(xué)中心數(shù)據(jù)庫包含從18～88歲的正常衰老人群,能夠?yàn)檎Ｋダ虾桶柎暮ＤY之間的大腦差異和重疊的特征提供新線索.最后,概述本文的主要研究?jī)?nèi)容.第二章:介紹支持向量機(jī)的理論基礎(chǔ).首先,闡述機(jī)器學(xué)習(xí)在神經(jīng)影像學(xué)中的研究流程.接著,對(duì)支持向量機(jī)的基本原理和核函數(shù)方法進(jìn)行闡述.最后,介紹支持向量機(jī)的應(yīng)用研究和高維特征的解決策略.第三章:對(duì)阿爾茨海默癥患者和健康老年人的大腦結(jié)構(gòu)磁共振影像數(shù)據(jù)的皮層特征進(jìn)行組間統(tǒng)計(jì)分析和分類研究.首先,對(duì)被試的大腦結(jié)構(gòu)磁共振影像數(shù)據(jù)進(jìn)行預(yù)處理,得到皮層厚度、表面積、灰質(zhì)體積、曲率和溝深5個(gè)參數(shù).然后,根據(jù)組間的統(tǒng)計(jì)分析結(jié)果發(fā)現(xiàn)雙側(cè)內(nèi)嗅皮質(zhì)和左內(nèi)側(cè)眶額回的差異最為顯著.接著,采用遞歸特征消除法進(jìn)行特征選擇,并使用支持向量機(jī)結(jié)合留一交叉驗(yàn)證法進(jìn)行單參數(shù)分類和多參數(shù)融合分類,比較特征選擇前后的分類性能.此外,繪制受試者工作特征曲線和曲線下面積去驗(yàn)證分類器模型的魯棒性.結(jié)果顯示多參數(shù)融合獲得最高的分類準(zhǔn)確率為90.76%,且分類模型具有很好的魯棒性(曲線下面積為0.94).最后,采用不同參數(shù)的特征選擇時(shí)權(quán)重值排名前二的特征構(gòu)建二維平面的支持向量機(jī)分類器,發(fā)現(xiàn)其分類性能與特征選擇的效果相關(guān).第四章:使用支持向量機(jī)和邏輯回歸算法對(duì)阿爾茨海默癥患者、早期輕度認(rèn)知障礙患者、晚期輕度認(rèn)知障礙患者和健康老年人的彌散磁共振影像數(shù)據(jù)進(jìn)行分類研究.首先,對(duì)所有被試的彌散磁共振影像數(shù)據(jù)進(jìn)行預(yù)處理,得到各項(xiàng)異性分?jǐn)?shù)、平均彌散度、軸向彌散、徑向彌散、斯皮爾曼相關(guān)系數(shù)的局部彌散同質(zhì)性和肯德爾和諧系數(shù)的局部彌散同質(zhì)性這6個(gè)參數(shù).接著,使用支持向量機(jī)和邏輯回歸算法對(duì)特征選擇后的參數(shù)進(jìn)行組間分類比較,并使用置換檢驗(yàn)確定多參數(shù)分類準(zhǔn)確率是否顯著高于隨機(jī)情況.此外,繪制受試者工作特征曲線去驗(yàn)證分類器模型的性能.結(jié)果表明支持向量機(jī)的分類性能要優(yōu)于邏輯回歸,且多參數(shù)融合的分類效果比單參數(shù)的分類效果更佳.最后,將有識(shí)別力的白質(zhì)特征列舉出來,發(fā)現(xiàn)鉤束、扣帶回、胼胝體、放射冠、外囊和內(nèi)囊是對(duì)四組人群分類有顯著貢獻(xiàn)的特征.這些結(jié)果表明多類型與多區(qū)域的大腦白質(zhì)特征能夠有效地提高阿爾茨海默癥和輕度認(rèn)知障礙的診斷準(zhǔn)確性.第五章:對(duì)不同年齡段的大腦靜息態(tài)功能磁共振影像數(shù)據(jù)進(jìn)行分類研究.首先,將18～88歲的劍橋衰老和神經(jīng)科學(xué)中心數(shù)據(jù)集分成青年組(18～39歲)、中年組(40～59歲)和老年組(60～88歲),對(duì)所有被試的靜息態(tài)功能磁共振影像數(shù)據(jù)進(jìn)行預(yù)處理(包括回歸全腦信號(hào)和不回歸全腦信號(hào)),得到了基于同倫區(qū)的內(nèi)在連通性圖譜的全腦和左右半球的功能連接強(qiáng)度作為分類參數(shù).接著,采用遞歸特征消除法進(jìn)行特征選擇,并使用支持向量機(jī)進(jìn)行分類,結(jié)果顯示特征選擇前后的分類性能得到了提高.此外,繪制受試者工作特征曲線及曲線下面積去驗(yàn)證分類器的魯棒性.然后,將有識(shí)別力的特征與衰老的生理機(jī)制聯(lián)系起來.最后,采用人腦連接組圖譜提取特征并進(jìn)行分類研究,以驗(yàn)證不同圖譜對(duì)于分類的適用性.第六章:對(duì)阿爾茨海默癥患者、穩(wěn)定型輕度認(rèn)知障礙患者、轉(zhuǎn)化型輕度認(rèn)知障礙患者和健康老年人的縱向結(jié)構(gòu)影像數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析與分類研究.首先,在數(shù)據(jù)預(yù)處理中提取所有被試的全腦灰質(zhì)體積作為分類參數(shù),對(duì)比不同時(shí)間點(diǎn)的組間全腦灰質(zhì)體積模式差異和同一組內(nèi)部的灰質(zhì)體積縱向變化模式的差異,發(fā)現(xiàn)健康老年人在發(fā)展為輕度認(rèn)知障礙和阿爾茨海默癥的過程中,大腦灰質(zhì)是一個(gè)漸進(jìn)變化的過程,也從影像學(xué)上證明了輕度認(rèn)知障礙是健康老年人發(fā)展為阿爾茨海默癥的過渡階段,并發(fā)現(xiàn)在病變過程中額葉和邊緣葉是損傷最為嚴(yán)重的腦區(qū).接著,采用縱向特征融合策略,使用支持向量機(jī)結(jié)合嵌套的留一交叉驗(yàn)證法來構(gòu)建分類模型,發(fā)現(xiàn)縱向特征融合策略有助于提高分類性能.最后,我們把對(duì)分類有顯著貢獻(xiàn)的特征與阿爾茨海默癥的病理學(xué)表現(xiàn)進(jìn)行關(guān)聯(lián)分析.
【圖文】：

圖１－１：對(duì)l#厚子核施加恒定磁場(chǎng)逡逑為使自身恢復(fù)到低能態(tài)而把能量轉(zhuǎn)移給周圍環(huán)境之間的過程就是縱向弛豫，所需時(shí)間稱逡逑為縱向她豫時(shí)間，用７１表示（圖１－２邋（ａ））；為使自身恢復(fù)到低能態(tài)，高能態(tài)自旋核與相鄰逡逑的低能態(tài)自旋核之間的能f埥換還嘆褪嗆嵯蛩�，所需时间称为横向匙暐时间７用Ｔ２辶x媳硎荊ㄍ跡保插澹ǎ猓謁ス討校笄庠雍朔⑸淶穆齔寰褪撬杉暮舜毆艙裥藕�，辶x俠眉撲慊際醵愿肣\0號(hào)進(jìn)行圖像重建并轉(zhuǎn)化為灰度圖像，就得到了磁共振圖像．不同逡逑的腦組織中的氫原子返回它們最初的自旋情況的速度是不同的，因此結(jié)構(gòu)磁共振可逡逑分不同的腦組織（灰質(zhì)、自質(zhì)和腦脊液），如圖１－３所示．通過設(shè)置不同的成像參數(shù)，我們逡逑可以得到乃像、加權(quán)像、ｒ２像、乃加權(quán)像等不同對(duì)比度的腦組織．逡逑⑻邐（ｂ）逡逑Ｍｚ邐Ｍｘｙ逡逑１００％邋邋邐邐邐邐邋１００％邋邐逡逑６３％邋４－邐逡逑Ｉ邐３７％邋邐邐逡逑Ｚ邋＼邐，邋ｌ邐邐！逡逑ｔ，，邐ｃ邐ｒ２邐ｔ逡逑圖１－２：弛豫過程示意圖．（ａ

未加外磁場(chǎng)時(shí)原子核的分布邐施加外磁場(chǎng)后原子核的分布逡逑圖１－１：對(duì)l#厚子核施加恒定磁場(chǎng)逡逑為使自身恢復(fù)到低能態(tài)而把能量轉(zhuǎn)移給周圍環(huán)境之間的過程就是縱向弛豫，所需時(shí)間稱逡逑為縱向她豫時(shí)間，用７１表示（圖１－２邋（ａ））；為使自身恢復(fù)到低能態(tài)，高能態(tài)自旋核與相鄰逡逑的低能態(tài)自旋核之間的能f埥換還嘆褪嗆嵯蛩�，所需时间称为横向匙暐时间７用Ｔ２辶x媳硎荊ㄍ跡保插澹ǎ猓謁ス討校笄庠雍朔⑸淶穆齔寰褪撬杉暮舜毆艙裥藕�，辶x俠眉撲慊際醵愿肣\0號(hào)進(jìn)行圖像重建并轉(zhuǎn)化為灰度圖像，就得到了磁共振圖像．不同逡逑的腦組織中的氫原子返回它們最初的自旋情況的速度是不同的，因此結(jié)構(gòu)磁共振可逡逑分不同的腦組織（灰質(zhì)、自質(zhì)和腦脊液），如圖１－３所示．通過設(shè)置不同的成像參數(shù)，我們逡逑可以得到乃像、加權(quán)像、ｒ２像、乃加權(quán)像等不同對(duì)比度的腦組織．逡逑⑻邐（ｂ）逡逑Ｍｚ邐Ｍｘｙ逡逑１００％邋邋邐邐邐邐邋１００％邋邐逡逑６３％邋４－邐逡逑Ｉ邐３７％邋邐邐逡逑Ｚ邋＼邐
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：R749.16;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 梁夏;王金輝;賀永;;人腦連接組研究:腦結(jié)構(gòu)網(wǎng)絡(luò)和腦功能網(wǎng)絡(luò)[J];科學(xué)通報(bào);2010年16期

相關(guān)博士學(xué)位論文 前1條

1 曹衛(wèi)芳;基于功能磁共振成像技術(shù)的認(rèn)知老化腦機(jī)制研究[D];電子科技大學(xué);2018年

本文編號(hào)：2684901