本文關鍵詞：面向阿爾茨海默病的磁共振擴散峭度成像特征分析與識別　出處：《天津大學》2014年博士論文　論文類型：學位論文

  更多相關文章： 擴散峭度成像 模式識別 阿爾茨海默病

【摘要】：阿爾茨海默病（Alzheimer’s disease,AD）是一種典型的神經(jīng)退行性疾病，伴隨嚴重的記憶認知能功能下降或障礙，無有效治療手段，極大影響了老年人健康生活。擴散峭度成像（Diffusion kurtosis imaging，，DKI）是近幾年新興的一種擴散磁共振成像的方法，其在擴散張量成像（Diffusion tensor imaging，DTI）基礎上引入高階峭度統(tǒng)計量來描述生物組織中水分子的擴散行為，可更敏感地反映組織的微觀結(jié)構(gòu)特征，有望在AD早期診斷中發(fā)揮重要作用。 本文首先通過對高階峭度張量的特征值分解，得到了基于該峭度張量的參數(shù)圖像，進行了全腦圖像參數(shù)之間的散點圖分析與感興趣區(qū)域的相關性分析，發(fā)現(xiàn)峭度特征參數(shù)對于不同腦部組織（尤其在灰質(zhì)和交叉纖維區(qū)域）的對比度區(qū)分表現(xiàn)較突出，參數(shù)之間的聯(lián)合分析有助于擴散磁共振圖像對于不同組織的自動分割。相關性分析中，各向異性參數(shù)和平均峭度系數(shù)之間呈現(xiàn)顯著的正相關性，為峭度生理意義和診斷價值的進一步探索提供了參考。 研究中采集了17例AD患者和26例健康老年人（年齡、性別均匹配）的磁共振臨床影像數(shù)據(jù)分別作為實驗組和對照組，采用基于遞歸特征篩選支持向量機的模式識別方法對其DKI和DTI特征集進行了優(yōu)化，研究結(jié)果表明得到的最優(yōu)特征子集在AD診斷中的正確率相對特征篩選前均得到顯著性的提升。文中還對特征子集顯著性、ROC曲線以及相關性等方面進行了分析，結(jié)果發(fā)現(xiàn)：模式識別的方法既能以多特征聯(lián)合分析的方式進行診斷分析，其機器學習的結(jié)果也能反映出臨床實際的生理變化，具有較大的臨床價值；同時證實了DKI參數(shù)（尤其是峭度參數(shù)）對AD病理改變的變化具有較高的敏感性，其擴散參數(shù)與峭度參數(shù)在白質(zhì)髓鞘損傷的微觀病變檢測中具有相互補充的效果。 本文從磁共振峭度成像特征集的角度結(jié)合模式識別方法進行分析，是DKI結(jié)合人工智能輔助臨床診斷的一次探索性研究，相關成果有望為DKI在AD早期病理分析與診斷中的應用提供幫助。
【學位授予單位】：天津大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：R749.16;R445.2

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 范清清;;一種基于峭度的盲多用戶檢測方法[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

2 徐新韜;王華慶;楊曉;李嶺陽;;基于STFT的譜峭度法在軸承故障診斷中的應用[A];第11屆全國轉(zhuǎn)子動力學學術(shù)討論會（ROTDYN2014）論文集（上冊）[C];2014年

3 李軍;張永祥;姚曉山;;峭度自適應學習步長盲提取算法提取軸承沖擊信號[A];第八屆全國設備與維修工程學術(shù)會議、第十三屆全國設備監(jiān)測與診斷學術(shù)會議論文集[C];2008年

4 李富才;孟光;胥永剛;;基于多尺度峭度指標的損傷識別研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

5 方紅雨;;基于最小峭度準則的碼約束盲恒模干擾抑制算法[A];第十九屆電工理論學術(shù)年會論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 陳元園;面向阿爾茨海默病的磁共振擴散峭度成像特征分析與識別[D];天津大學;2014年

2 彭暢;旋轉(zhuǎn)機械軸承振動信號分析方法研究[D];重慶大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前9條

1 王嘉晨;基于峭度最大化算法的復數(shù)功能磁共振成像信號分析[D];大連理工大學;2011年

2 陳剛;譜峭度及其在電力系統(tǒng)暫態(tài)信號處理中的應用研究[D];西南交通大學;2012年

3 劉海洋;基于譜峭度的信號特征提取及其傳動系統(tǒng)關鍵部件故障診斷應用[D];蘇州大學;2013年

4 范清清;基于峭度的盲自適應檢測方法研究[D];安徽大學;2004年

5 吳宏天;基于方差與峭度的模擬電路故障診斷及實現(xiàn)[D];湖南師范大學;2012年

6 閆彩虹;基于自相關函數(shù)和峭度的FECG提取算法研究[D];重慶大學;2009年

7 陳君瑜;復數(shù)參考獨立分量分析算法及其fMRI應用研究[D];大連理工大學;2008年

8 夏遵平;結(jié)構(gòu)運行狀態(tài)下諧波模態(tài)的檢測和去除技術(shù)研究及實現(xiàn)[D];南京航空航天大學;2012年

9 常錕;互信息學習在旋轉(zhuǎn)機械故障診斷中的應用研究[D];燕山大學;2014年

本文編號：1310474