基于脑部磁共振图像三维局部模式变换特征提取进行阿尔茨海默病病程预测分类
本文提出一种三维局部模式变换提取进行纹理特征并与常规特征相融合的方法,基于脑部磁共振图像,对认知功能正常的健康人体(CN)、轻度认知障碍(MCI)患者和阿尔茨海默病(AD)患者进行预测分类.首先对46例CN对照组、61例MCI患者和25例AD患者的脑部磁共振图像提取感兴趣区域,然后提取双侧海马体组织、灰质和白质的三维局部模式变换纹理特征和常规特征,并将两类特征融合,使用支持向量机分类算法进行分类.结果显示利用本方法,基于双侧海马体组织对AD组和CN组进行分类的准确率为88.73%、敏感度为78.00%、特异度为95.7%、受试者工作特征(ROC)曲线下面积(AUC)为0.8865;基于灰质的准确率为85.92%、敏感度为80.00%、特异度为86.6%、AUC为0.8543.这证明基于海马体磁共振图像,利用本文提出的改进三维局部模式变换提取的纹理特征进行阿尔茨海默病病程分类效果较好,融合常规特征后更可提高分类预测的精度.
脑部磁共振图像、纹理特征、三维局部模式变换、阿尔茨海默病、分类
36
O482.53(固体物理学)
2019-09-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
268-277