目的:利用遞歸特征消除(Recursive feature elimination,RFE)方法,選取辨別能力較強的體素,應(yīng)用線性支持向量機(Support vector machine,SVM)方法進行分類,尋求可用于區(qū)分輕度創(chuàng)傷性腦損傷(mild traumatic brain injury,mTBI)和正常對照組的特征性影像學(xué)指標(biāo)集,并確定對分類最為敏感的關(guān)鍵腦區(qū)或網(wǎng)絡(luò)。方法:24例mTBI患者(男15例,女9例;平均年齡:38.88±13.33歲;受教育程度:8.88±3.58年)和24例狀態(tài)匹配的健康志愿者(男13例,女11例;平均年齡:40.46±11.4歲;平均受教育程度:8.54±3.41年)接受一次靜息態(tài)功能磁共振掃描及行為學(xué)量表評估。低頻振幅(Amplitude of low-frequency fluctuation,ALFF)、分數(shù)低頻振幅(fractional amplitude of low-frequency fluctuation,fALFF)、局部一致性(Regional homogeneity,ReHo)、度中心度(degree centrality,DC)、對稱體素同倫連接(voxel-mirrored homotopic connectivity,VMHC)、長程功能連接密度(functional connectivity density,FCD)和短程FCD七個指標(biāo)隨機組合,總共有126種組合。SVM-RFE機器學(xué)習(xí)分類方法用以評估這126種組合區(qū)分正常對照組和mTBI組的鑒別能力,觀察其分類的準(zhǔn)確率、敏感性、特異性及曲線下面積(Area under the curve,AUC)。這些特征經(jīng)SVM-RFE方法降維后,得到分類性能最佳的重要特征,對其貢獻度進行歸一化,并映射到三維腦區(qū)表面。結(jié)果:任何一個影像學(xué)指標(biāo)單獨區(qū)分正常對照組與mTBI組的效能均不高。ALFF、fALFF、ReHo、DC、VMHC、短程FCD和長程FCD共7個指標(biāo)中,ALFF區(qū)分兩組的能力最強,但其區(qū)分兩組的AUC值、正確率、最優(yōu)敏感性和最優(yōu)特異性分別為0.692,70.89%、67%和75%。隨后,我們分別將多個指標(biāo)特征進行融合用于區(qū)分兩組。在126種組合中,將ALFF、fALFF、DC、VMHC和短程FCD這5個指標(biāo)的特征進行融合時,線性SVM-RFE機器學(xué)習(xí)分類方法對正常對照組與mTBI組的分類效能達到最優(yōu),該組合的AUC值、正確率、最優(yōu)敏感性和最優(yōu)特異性分別提高至0.778,81.11%,88%和75%。該組合對正常對照組與mTBI組具有較強區(qū)分能力的腦區(qū)主要包括雙側(cè)小腦、左側(cè)眶額皮層、左側(cè)楔葉、左側(cè)顳極、右側(cè)枕下回、雙側(cè)頂葉及左側(cè)輔助運動區(qū)等區(qū)域。結(jié)論:多指標(biāo)特征融合可提高線性SVM-RFE機器學(xué)習(xí)的分類效能。理解mTBI患者腦部功能的演變規(guī)律,將為臨床早期診斷、及時治療和預(yù)后評估提供可靠依據(jù),為揭示mTBI的神經(jīng)生物學(xué)機制提供重要理論依據(jù)。
【學(xué)位單位】：南昌大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：R445.2;R651.15
【部分圖文】：

第 2 章 材料與方法證方法。k-fold 交叉驗證主要是將數(shù)據(jù)集隨機分為兩個樣本（訓(xùn)練樣本和本）。首先，設(shè)計 SVM 分類器對訓(xùn)練樣本數(shù)據(jù)集進行訓(xùn)練；其次，對測數(shù)據(jù)集進行測試。以上步驟不斷重復(fù)進行多次，以提高分類器性能，隨分類特征，最終對分類效能進行置換檢驗，觀察所有指標(biāo)在分類過程中統(tǒng)計學(xué)差異。

21圖 2 線性 SVM機器學(xué)習(xí)分類方法用于評估ALFF指標(biāo)鑒別 mTBI組和正常對照組能力的分類結(jié)果。以上四幅圖分別代表分類的 AUC 值（A）、正確率（B）、最優(yōu)敏感性（C）和最優(yōu)特異性（D）。其中，X 軸代表特征個數(shù)，y 軸代表各項指標(biāo)的分類性能。

圖 3 線性 SVM 機器學(xué)習(xí)分類方法用于評估 fALFF 指標(biāo)鑒別 mTBI 組和正常對照組能力的分類結(jié)果。以上四幅圖分別代表分類的 AUC 值（A）、正確率（B）、最優(yōu)敏感性（C）和最優(yōu)特異性（D）。其中，X 軸代表特征個數(shù)，y 軸代表各項指標(biāo)的分類性能。
【參考文獻】

相關(guān)期刊論文 前4條

1 謝凱;高磊;李健;龔洪翰;;輕型腦外傷患者腦網(wǎng)絡(luò)中心度改變的靜息態(tài)fMRI研究[J];臨床放射學(xué)雜志;2015年12期

2 彭楠;錢若兵;傅先明;李順利;亢志強;林彬;季學(xué)兵;魏祥品;牛朝詩;汪業(yè)漢;;腦震蕩綜合征患者腦網(wǎng)絡(luò)效率的變化[J];中華醫(yī)學(xué)雜志;2015年25期

3 戴西件;閔友江;龔洪翰;高磊;王思勇;周福慶;肖香佐;劉碧霞;;靜息態(tài)功能磁共振低頻振幅技術(shù)評價睡眠剝奪下針刺三陰交后效應(yīng)[J];中國針灸;2012年01期

4 勵建安;;腦外傷康復(fù)的現(xiàn)狀與未來發(fā)展趨勢[J];中國康復(fù)醫(yī)學(xué)雜志;2011年12期

本文編號：2843999