基于擴散張量成像的帕金森病的分類研究
摘要：目的:通過提取正常組與帕金森(Parkinson's disease,PD)患者組MRI擴散張量成像(diffusion tensor imaging,DTI)的圖像特征實現對正常組與PD患者組的分類。方法:正常組與PD患者組各選取36例,采用3.0T MRI掃描儀進行DTI檢查。首先使用PANDA軟件對采集到的DTI數據進行預處理,參考WMlabel圖譜和WMtract圖譜提取腦白質的各向異性分數(fractional anisotropy,FA);其次采用Relief算法和主成分分析法(principal components analysis,PCA)對數據進行特征選擇與降維,然后利用支持向量機(support vector machine,SVM)分類器使用留一法(leave-one-out)進行模型訓練與測試;最后采用分類精度、ROC曲線及AUC值對算法進行性能評價。結果:基于WMlabel圖譜,使用Relief算法獲得了較高的分類精度,其分類精度為81.94%,AUC值為0.85。結論:通過分析正常組和PD組DTI數據的FA值,可以實現對PD的準確分類,有助于臨床對PD的早期診斷。
注: 保護知識產權,如需閱讀全文請聯系醫療衛生裝備雜志社
相關推薦
更多
