引 言

許多研究表明，以 MRI 檢查中海馬的萎縮是區(qū)分 AD 與正常老年人患者的指標(biāo)，敏感度可以達(dá)到 70%以上[8-13]，內(nèi)嗅區(qū)皮質(zhì)萎縮較海馬萎縮先出現(xiàn)，因此其可作為更敏感的 AD 早期預(yù)測指標(biāo)，但是內(nèi)嗅皮層區(qū)域較難分割出來。然而，MRI 輔助診斷也存在一定的局限性。海馬和內(nèi)嗅區(qū)皮質(zhì)萎縮也可出現(xiàn)在其他類型的癡呆中，如 Parkinson 病，尤其是伴有癡呆的 Parkinson 患者。因此海馬及內(nèi)嗅皮層的萎縮尚不能作為診斷 AD 的特異性標(biāo)志[14]。AD 型癡呆的診斷仍需依靠相關(guān)生物標(biāo)志物，如 Aβ 蛋白沉積及 tau 蛋白異常修飾，神經(jīng)精神量表評估分值，以及影像學(xué)特征。為從更全面的角度來分析腦結(jié)構(gòu)本質(zhì)特征，本課題組考慮引入相關(guān)感興趣區(qū)域（包括海馬，內(nèi)嗅皮層區(qū)域）的紋理值參數(shù)，并且結(jié)合基于體素的形態(tài)學(xué)參數(shù)(voxel-based morphometry,VBM)，從圖像的內(nèi)部本質(zhì)方面出發(fā)，建立早期 AD 診斷模型。通過提取腦部圖像微觀紋理特征建立預(yù)測模型輔助診斷 AD，近年來已成為學(xué)者們重點關(guān)注的熱點問題之一。圖像紋理是一種圖像中普遍存在且難以描述的特征，是指在圖像中反復(fù)出現(xiàn)的局部模式和排列規(guī)則。圖像某一位置的紋理特征與這一位置周圍灰度值變化規(guī)律密切相關(guān)[15]。

......

2 資料與方法

2.1 資料描述

ADNI 研究計劃為一項多中心跨學(xué)科縱向隊列研究，所涵蓋的學(xué)科類別包括神經(jīng)內(nèi)科、神經(jīng)影像學(xué)、神經(jīng)病理學(xué)、分子生物學(xué)、遺傳學(xué)、信息科學(xué)以及生物統(tǒng)計學(xué)等。對于各學(xué)科之間的協(xié)調(diào)組織由各學(xué)科的研究人員負(fù)責(zé)，Weiner 負(fù)責(zé)這些中心之上的管理與執(zhí)行委員會，并且，所有部門都是在 NIA 的指導(dǎo)下進(jìn)行研究。在籌備的數(shù)年研究準(zhǔn)備中，ADNI 標(biāo)準(zhǔn)化了多中心研究的操作流程，，并制定了研究目標(biāo)，旨在通過對生物標(biāo)志物的研究，更清楚的了解病程，確定早期發(fā)病人群，發(fā)現(xiàn)更敏感的診斷方法。該研究機構(gòu)收集和分析了大量研究資料，包括影像學(xué)數(shù)據(jù)，基因數(shù)據(jù)，血生化指標(biāo)以及腦脊液。MRI 和 PET 數(shù)據(jù)是主要的神經(jīng)影像學(xué)數(shù)據(jù)。MRI 主要的生物標(biāo)志物是腦萎縮，PET 的生物標(biāo)志物是葡萄糖代謝的18F⁃FDG 以及 Aβ 蛋白�；蚍矫娴纳飿�(biāo)志物主要是載脂蛋白 E 基因（ApoE）。血生化指標(biāo)包括 Aβ 和 tau 蛋白。ADNI 研究計劃為一項多中心跨學(xué)科縱向列研究，所涵蓋的學(xué)科類別包神經(jīng)內(nèi)科、神經(jīng)影像學(xué)、神經(jīng)病理學(xué)、分子生物學(xué)、遺傳學(xué)、信息科學(xué)以及生物統(tǒng)計學(xué)等。對于各學(xué)科之間的協(xié)調(diào)組織由各學(xué)科的研究人員負(fù)責(zé)，Weiner 負(fù)責(zé)這些中心之上的管理與執(zhí)行委員會，并且，所有部門都是在 NIA 的指導(dǎo)下進(jìn)行研究。在籌備的數(shù)年研究準(zhǔn)備中，ADNI 標(biāo)準(zhǔn)化了多中心研究的操作流程，并制定了研究目標(biāo)，旨在通過對生物標(biāo)志物的研究，更清楚的了解病程，確定早期發(fā)病人群，發(fā)現(xiàn)更敏感的診斷方法。該研究機構(gòu)收集和分析了大量研究資料，包括影像學(xué)數(shù)據(jù)，基因數(shù)據(jù)，血生化指標(biāo)以及腦脊液。MRI 和 PET 數(shù)據(jù)是主要的神經(jīng)影像學(xué)數(shù)據(jù)。MRI 主要的生物標(biāo)志物是腦萎縮，PET 的生物標(biāo)志物是葡萄糖代謝的18F⁃FDG 以及 Aβ 蛋白。基因方面的生物標(biāo)志物主要是載脂蛋白 E 基因（ApoE）。血生化指標(biāo)包括 Aβ 和 tau 蛋白。

2.2 圖像資料

本次研究中首先選擇受過專業(yè)訓(xùn)練的兩名實驗員手動劃分感興趣區(qū)域，這兩名實驗員均在影像科醫(yī)生的指導(dǎo)下完成感興趣區(qū)域的手動分割。采用區(qū)域增長法對 MRI 圖像中海馬區(qū)域進(jìn)行分割。區(qū)域增長算法法是一種廣泛應(yīng)用于圖像處理領(lǐng)域的分割方法[42]。區(qū)域增長法的基本思想是將具有相似性質(zhì)的區(qū)域集合起來。具體先對每個需要分割的區(qū)域找一個種子像素作為生長的起點，然后將種子像素具有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)做新的種子像素繼續(xù)進(jìn)行上面的過程，直到再沒有滿足條件的像素可被包括進(jìn)來，這樣一個區(qū)域就長成了。區(qū)域增長法的分割方法主要有兩種，一種是給需要分割的目標(biāo)物一個種子區(qū)域，再將種子區(qū)域周圍的像素點加入其中，將所有像素點形成一個區(qū)域。

3 研究結(jié)果................29

3.1 模擬分析結(jié)果..................29 
3.2 實例分析結(jié)果...........32 
4 討論....................80
5 結(jié)論...................83

4 討論

4.1 紋理特征值對預(yù)測模型影像的探討

本課題組前期的研究已經(jīng)證明 Contourlet 變換具有較好的圖像處理的能力，所以本研究采用 Contourlet 變換處理腦部 MRI 圖像，并且基于灰度共生矩陣計算紋理值參數(shù)。對于紋理參數(shù)的解釋，常有以下幾種解釋，能量（Energy）反映了圖像紋理灰度分布均勻與精細(xì)程度。對比度（Contrast）反映了圖像紋理的清晰和深淺程度。相關(guān)性（Correlation）反映灰度共生矩陣各個元素在行列方向上的相似程度，可以反映圖像局部灰度相關(guān)程度。當(dāng)灰度共生矩陣元素值分布均勻相等時，相關(guān)性的值就大，相反則相關(guān)性值小。熵（Entropy）是圖像包含信息量的度量，紋理信息屬于圖像信息的隨機性度量。熵值較小表示的是共生矩陣中所有元素分布具有最大的隨機性，矩陣中的所有值幾乎相等，熵值較大則表示灰度共生矩陣的元素分布不具有隨機性，即表示紋理分布不均勻，且紋理分布較為復(fù)雜。逆差（IDM）反映圖像紋理的同質(zhì)性，可以反映圖像紋理局部變化況。其值大則說明圖像紋理在不同區(qū)域的變化較少，在各不同區(qū)域分布非常均勻。本研究中，根據(jù)單因素分析結(jié)果，相關(guān)性紋理值基本每個子代在三組中的差異均有統(tǒng)計學(xué)意義，說明海馬區(qū)域局部灰度相關(guān)性在三組中的差異較大。

4.2 建模方法的探討

預(yù)測模型的選擇往往在一定程度上決定了早期 AD 的預(yù)測能力。前期研究中應(yīng)用較為廣泛的模型包括支持向量機，隨機森林等預(yù)測模型。由于數(shù)據(jù)結(jié)構(gòu)類型，復(fù)雜程度不一樣，不同的預(yù)測模型應(yīng)用于不同的領(lǐng)域所取得的預(yù)測效果也有所不同。根據(jù)前期查閱相關(guān)文獻(xiàn)所獲得的信息，在圖像領(lǐng)域應(yīng)用較廣的預(yù)測模型有支持向量機、Lasso 等預(yù)測模型。本研究采用上述預(yù)測模型方法較好的方法以及本課題組以前未曾使用過的高斯過程以及偏最小二乘模型，作為候選分類器。醫(yī)學(xué)圖像紋理數(shù)據(jù)有很強的自身特點，包括數(shù)據(jù)維度比較大，變量數(shù)一般是幾千。數(shù)據(jù)變量一般較多，且各變量之間存在一定的弱相關(guān)性。基于紋理數(shù)據(jù)特點，本研究得出在支持向量機，高斯過程，偏最小二乘回歸這三種模型中，高斯過程回歸模型具有較好的預(yù)測效果（AUC=0.84），預(yù)測效果優(yōu)于支持向量機，但是不及偏最小二乘回歸的預(yù)測效果�？赡茉驗楦咚惯^程對于高維數(shù)據(jù)本身并不敏感，需要進(jìn)一步改進(jìn)降維方法再進(jìn)一步做預(yù)測分析。

....

5 結(jié)論

1、預(yù)測模型可以較準(zhǔn)確預(yù)測早期 AD 以及 MCI 轉(zhuǎn)化，高斯過程回歸模型預(yù)測較好，優(yōu)于支持向量機，不及偏最小二乘法。2、紋理值參數(shù)的加入對早期 AD 的預(yù)測具有積極作用。創(chuàng)新性：基于 Contourlet 變換提取腦部 MRI 圖像紋理特征國內(nèi)外尚未見報道。進(jìn)行腦部 MRI 圖像紋理結(jié)合患者信息特征以及腦部形態(tài)學(xué)特征進(jìn)行早期 AD/MCI 預(yù)測的研究目前國內(nèi)外雜志尚未見報道。局限性：只探討海馬區(qū)域的紋理值，未對其他腦區(qū)的紋理值做相應(yīng)的分析。高斯過程模型對高維數(shù)據(jù)不敏感，建模效果不如偏最小二乘法，應(yīng)在降維技術(shù)上做適當(dāng)改進(jìn)。

........

參考文獻(xiàn)（略）

本文編號：164880