基于扩散张量成像的帕金森病的分类研究
摘要：目的:通过提取正常组与帕金森(Parkinson's disease,PD)患者组MRI扩散张量成像(diffusion tensor imaging,DTI)的图像特征实现对正常组与PD患者组的分类。方法:正常组与PD患者组各选取36例,采用3.0T MRI扫描仪进行DTI检查。首先使用PANDA软件对采集到的DTI数据进行预处理,参考WMlabel图谱和WMtract图谱提取脑白质的各向异性分数(fractional anisotropy,FA);其次采用Relief算法和主成分分析法(principal components analysis,PCA)对数据进行特征选择与降维,然后利用支持向量机(support vector machine,SVM)分类器使用留一法(leave-one-out)进行模型训练与测试;最后采用分类精度、ROC曲线及AUC值对算法进行性能评价。结果:基于WMlabel图谱,使用Relief算法获得了较高的分类精度,其分类精度为81.94%,AUC值为0.85。结论:通过分析正常组和PD组DTI数据的FA值,可以实现对PD的准确分类,有助于临床对PD的早期诊断。
注: 保护知识产权,如需阅读全文请联系医疗卫生装备杂志社
相关推荐
更多
