ad疾病多模态meta的分析与基于mri图像ad和mci分类

ad疾病多模态meta的分析与基于mri图像ad和mci分类

ID:32287481

大小:2.40 MB

页数:57页

时间:2019-02-02

ad疾病多模态meta的分析与基于mri图像ad和mci分类_第1页
ad疾病多模态meta的分析与基于mri图像ad和mci分类_第2页
ad疾病多模态meta的分析与基于mri图像ad和mci分类_第3页
ad疾病多模态meta的分析与基于mri图像ad和mci分类_第4页
ad疾病多模态meta的分析与基于mri图像ad和mci分类_第5页
资源描述:

《ad疾病多模态meta的分析与基于mri图像ad和mci分类》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号密级注1UDC学位论文AD疾病的多模态Meta分析及基于MRI图像AD和MCI的分类赖玉菡(作者姓名)指导教师李科教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业生物医学工程提交论文日期2014.04论文答辩日期2014.05学位授予单位和日期电子科技大学2014年06月28日答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。AMULTIMODALMETA-ANALYSISOFALZHEIMER’SDISEASEANDBASEDMRIIMAGETOCLASSIFYADANDMCIAM

2、asterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:BiomedicalEngineeringAuthor:LaiYuhanAdvisor:LiKeSchool:SchoolofLifeScienceandTechnology独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得电子科技

3、大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名:日期:年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此规定)作者签名:导师签名:日期:年月日摘要摘要阿尔茨海默病是一种进行

4、性发展的神经系统退行性疾病,其临床表现为情感、记忆和认知功能的下降。阿尔茨海默病也是痴呆中最常见的一种疾病,在痴呆中占了50%-60%的比重,并且在65岁以后的老年人中每5年成2倍的速度增长。我们知道大脑的结构和功能之间应该是存在关联的,有研究已经表明在阿尔茨海默病患者的大脑中存在结构和功能活动的明显改变,但是还并没有关于多模态的Meta分析,为了更好的理解AD患者神经生物系统水平,探讨老年对照组和AD患者结构和功能之间的关系具有十分重要的意义。另外,随着成像技术的发展,针对疾病的研究也越来越深入,以往主要集中在研究AD

5、患者磁共振图像大脑灰质的改变,近年来对白质受损的研究越来越多。为了探索阿尔茨海默病的临床辅助诊断手段,更早发现疾病的迹象,通过一定的算法对采集的MRI图像进行分类识别也成为学者们的研究趋势。本文首先对阿尔茨海默病患者大脑结构和功能成像进行Meta分析,筛选了来自PubMed数据库1995年至2013年相关的报告了基于全脑的神经成像的研究,共有41篇文献符合我们的要求。其中31篇文献是对患者大脑结构成像进行分析,共有688个AD患者和984个对照;另外10篇是对患者大脑功能磁共振成像进行分析,共有120个AD患者和146个

6、对照。根据本实验的需求提取可用的数据,使用SDM做多模态Meta分析,研究发现,AD患者的左侧海马旁回、海马、右侧海马旁回的灰质体积减小并且功能成像与正常人相比都有不同程度的变化。AD患者相对于正常人,内侧颞叶的部分区域、左楔前叶区域呈现负激活状态,然而右侧海马区呈现出正激活的状态。其次,本文搜集了ADNI数据库中阿尔茨海默病患者磁共振成像数据,其中健康对照组20例(男10例,女10例),MCI组20例(男7例,女13例),AD组20例(男6例,女14例),平均年龄分别为74.5,76.4,78.5岁,三组间无显著性差异

7、,平均MMSE评分分别为29.3,23.7,19.4,对以上数据分别提取出感兴趣的胼胝体区域,通过对该区域使用PCA结合LDA和SVM分类器对阿尔茨海默病和轻度认知功能障碍患者进行分类识别。本研究表明基于胼胝体的LDA和SVM分类识别统计结果分别为88.89%,93.06%,有助于AD的早期诊断。关键词:阿尔茨海默病,多模态Meta分析,磁共振成像,LDA、SVM分类识别IABSTRACTABSTRACTAlzheimer‟sdisease(AD)isaprogressiveneurodegenerativediseas

8、e,whichisclinicallycharacterizedbythedeclineofemotional,memoryandcognitivefunctions.Itisalsothemostcommoncauseofdementia,accountingforover50-60%ofalldementiawi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。