[1]刘茜,王瑜,付常洋,等.基于特征选择的阿尔茨海默症辅助诊断[J].中国医学物理学杂志,2020,37(5):656-660.[doi:10.3969/j.issn.1005-202X.2020.05.024]
　LIU Xi,WANG Yu,FU Changyang,et al.Auxiliary diagnosis of Alzheimers disease based on feature extraction[J].Chinese Journal of Medical Physics,2020,37(5):656-660.[doi:10.3969/j.issn.1005-202X.2020.05.024]
点击复制

基于特征选择的阿尔茨海默症辅助诊断()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
37
期数:
2020年第5期
页码:
656-660
栏目:
医学影像物理
出版日期:
2020-05-25

文章信息/Info

Title:
Auxiliary diagnosis of Alzheimers disease based on feature extraction
文章编号:
1005-202X（2020）05-0656-05
作者:
刘茜; 王瑜; 付常洋; 肖洪兵; 邢素霞
北京工商大学计算机与信息工程学院，北京100048
Author(s):
LIU Xi;  WANG Yu;  FU Changyang;  XIAO Hongbing;  XING Suxia
School of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China
关键词:
阿尔茨海默症; 磁共振成像; 支持向量机; 递归特征消除; 线性判别分析
Keywords:
Alzheimers disease magnetic resonance imaging support vector machine recursive feature elimination linear discriminant analysis
分类号:
R318；R749.16
DOI:
10.3969/j.issn.1005-202X.2020.05.024
文献标志码:
A
摘要:
阿尔茨海默症（AD）是一种在老年人中多发的脑部神经疾病，致病原因迄今未明，在疾病发展早期难以诊断。随着 计算机和人工智能技术的大力发展，利用磁共振成像（MRI）技术和机器学习方法辅助医生对AD进行辅助诊断不断取得 新的成果。本研究提出一种基于支持向量机递归特征消除（SVM-RFE）和线性判别分析（LDA）的AD辅助诊断方法。首 先对MRI图像进行预处理，获得90个大脑脑区的灰质体积；然后使用SVM-RFE和LDA相结合的方法，对90个大脑脑区 灰质体积进行特征选择；最后通过SVM进行分类。通过对来自于ADNI数据库中的34名AD、26名主观记忆衰退（SMC） 患者和50名正常被试（NC）的MRI图像分析，得到AD/NC、AD/SMC和NC/SMC的平均分类准确率分别为94.0%、100.0% 和93.6%。实验结果证明，本研究提出的方法可有效提取样本特征，辅助医生诊断AD。
Abstract:
Alzheimers disease (AD) is a brain neuropathy which is common among the aged. The pathogenesis ofAD has not been known so far, and it is difficult to diagnose in the early stage of disease development.With the vigorous development of computers and artificial technologies, using magnetic resonance imaging (MRI) and machine learning methods to assist the diagnosis of AD has continuously made some new achievements. Herein a new method based on support vector machine-recursive feature elimination (SVM-RFE) and linear discriminant analysis (LDA) for the auxiliary diagnosis of AD is proposed. Firstly, the MRI images are preprocessed to obtain the gray matter volumes of 90 brain regions. Then the method combining SVM-RFE and LDA is used to select the significant features of the above gray matter volumes, and finally, the selected features are classified by SVM. By analyzing theMRI images of 34 patients withAD, 26 patients with subjective memory complaints (SMC) and 50 normal controls (NC) from ADNI database, the average classification accuracies of AD/NC, AD/SMC and NC/SMC reach 94.0%, 100.0% and 93.6%, respectively. The experimental results show that the proposed method can effectively extract features and assist doctors in the diagnosis ofAD.

相似文献/References:

[1]王水花,张煜东.压缩感知磁共振成像技术综述[J].中国医学物理学杂志,2015,32(02):158.[doi:10.3969/j.issn.1005-202X.2015.02.002]
[2]马海涵,游 箭,唐文国,等.成人小脑髓母细胞瘤MR成像和NSE表达水平[J].中国医学物理学杂志,2015,32(02):207.[doi:10.3969/j.issn.1005-202X.2015.02.012]
[3]武 杰,袁航英,严 峻,等.医用核磁共振成像设备的风险因素分析与管理[J].中国医学物理学杂志,2014,31(03):4918.[doi:10.3969/j.issn.1005-202X.2014.03.016]
[4]张煜东,王水花.磁共振成像加速方法[J].中国医学物理学杂志,2014,31(04):5015.[doi:10.3969/j.issn.1005-202X.2014.04.010]
[5]万俊,聂生东,王远军,等.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,30(04):4266.[doi:10.3969/j.issn.1005-202X.2013.04.013]
[6]曾雁冰,张战胜,辛学刚,等.反演法在磁共振射频场设计与优化中的应用[J].中国医学物理学杂志,2013,30(04):4272.[doi:10.3969/j.issn.1005-202X.2013.04.014]
[7]赵 琳,张军,张新宇,等.CT和MRI诊断脑神经胶质瘤52例分析[J].中国医学物理学杂志,2015,32(04):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
　[J].Chinese Journal of Medical Physics,2015,32(5):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
[8]赵 琳,张军,张新宇,等.CT和MRI诊断脑神经胶质瘤52例分析[J].中国医学物理学杂志,2015,32(04):464.[doi:10.3969/j.issn.1005-202X.2015.04.003]
[9]骆众星,石健强,谢斯栋,等.T1 FLAIR PROPELLER序列在3.0T磁共振颅脑增强成像上对抑制各种伪影的应用[J].中国医学物理学杂志,2015,32(06):878.[doi:doi:10.3969/j.issn.1005-202X.2015.06.025]
　[J].Chinese Journal of Medical Physics,2015,32(5):878.[doi:doi:10.3969/j.issn.1005-202X.2015.06.025]
[10]管春,朱庆永.参考制导的压缩感知快速磁共振重建方法[J].中国医学物理学杂志,2016,33(3):217.[doi:10.3969/j.issn.1005-202X.2016.03.001]

备注/Memo

备注/Memo:
【收稿日期】2019-12-21 【基金项目】国家自然科学基金（61671028）；2020 年研究生科研能力提 升计划项目 【作者简介】刘茜，硕士研究生，主要从事医学图像处理与模式识别研究， E-mail：2856161405@qq.com 【通信作者】王瑜，副教授，主要从事图像处理与模式识别研究，E-mail: wangyu@btbu.edu.cn
更新日期/Last Update: 2020-06-03