抑郁症共病焦虑障碍患者磁共振影像学研究

抑郁症共病焦虑障碍患者磁共振影像学研究

ID:34917013

大小:3.60 MB

页数:69页

时间:2019-03-14

抑郁症共病焦虑障碍患者磁共振影像学研究_第1页
抑郁症共病焦虑障碍患者磁共振影像学研究_第2页
抑郁症共病焦虑障碍患者磁共振影像学研究_第3页
抑郁症共病焦虑障碍患者磁共振影像学研究_第4页
抑郁症共病焦虑障碍患者磁共振影像学研究_第5页
资源描述:

《抑郁症共病焦虑障碍患者磁共振影像学研究》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、硕士学位论文抑郁症共病焦虑障碍患者磁共振影像学研究作者姓名戚昊辰学科专业生物医学工程指导教师吴效明教授所在学院材料科学与工程学院论文提交日期二〇一五年四月MagneticResonanceImagingStudyonDepressivePatientsWithAnxietyDisordersADissertationSubmittedfortheDegreeofMasterCandidate:QiHaochenSupervisor:Prof.WuXiaomingSouthChinaUniversityofTech

2、nologyGuangzhou,China分类号:R318.04学校代号:10561学号:201220116889华南理工大学硕士学位论文抑郁症共病焦虑障碍患者磁共振影像学研究作者姓名:戚昊辰指导教师姓名、职称:吴效明、教授申请学位级别:工学硕士学科专业名称:生物医学工程研究方向:计算神经科学、医学图像处理、医学信号处理论文提交日期:2015年4月20日论文答辩日期:2015年6月1日学位授予单位:华南理工大学学位授予日期:年月日答辩委员会成员:主席:郭圣文委员:黄岳山、熊冬生、吴效明、吴建华摘要抑郁症与焦虑障碍

3、虽然属于两个完全独立的疾病单元,但是两种疾病又常常同时存在,即医学上所谓的“共病”。抑郁症和焦虑障碍共病患者(以下简称“共病患者”)具有起病年龄晚、病情重、自杀危险性高、社会功能损害重等特点。本文基于脑结构磁共振图像,采用形态学分析及机器学习等方法,研究共病患者脑结构形态的特征及特异性。本文主要研究内容包括两个部分:一、采用基于体素的形态测量学(VBM)及感兴趣区域体积(ROI)等分析方法,研究共病患者、抑郁症患者、健康对照组等三组被试的脑灰/白质体积组间差异以及与疾病严重程度之间的关系。三组被试的灰质体积存在显

4、著差异的脑区主要分布在大脑岛叶、额叶、顶叶、颞叶等部位,白质体积存在显著差异的脑区主要分布在小脑顶叶、大脑额叶、顶叶等部位。此外,大部分具有显著差异的感兴趣脑区中,灰质体积或白质体积与临床评价指标存在显著相关性。例如,左岛叶皮质的灰质体积与汉密尔顿焦虑评分呈显著正相关,推测左岛叶皮质可能是区分抑郁症患者有无共病焦虑障碍的重要脑区。二、研究机器学习理论在磁共振影像数据上的应用,实现疾病的自动分类识别。采用标准支持向量机、F-score特征选择的支持向量机、RFE特征选择的支持向量机等,对磁共振图像数据进行分类训练与

5、测试。通过对分类器效果对比,发现RFE特征选择支持向量机在组间分类上效果和准确率最佳,例如结合灰质体积及白质体积特征的分类试验中,共病患者与抑郁症患者的特异性、敏感度、准确率均达100%。本研究发现共病患者与抑郁症患者、健康对照相比较,大脑及小脑的灰质及白质体积在小脑顶叶、大脑岛叶、额叶、顶叶等部位具有显著差异,且与疾病严重程度之间存在显著相关性。机器学习的分类结果表明,基于脑结构磁共振图像的形态学特征可以实现高准确率的被试自动分类识别。本文基于结构磁共振影像数据,采用形态学分析与机器学习相结合的方法,发现了共病

6、患者脑形态结构的特异性,并实现了高准确率的分类识别,对精神疾病的临床辅助诊断具有一定的参考价值。关键词:抑郁症;抑郁症共病焦虑障碍;磁共振影像;基于体素的形态测量学;机器学习IABSTRACTAlthoughdepressionandanxietydisordersaretwoindependentdiseases,theyoftencoexistwitheachother,whichiscalled"comorbidity”inmedicine.Depressivepatientswithanxietydiso

7、rders(referredas"comorbidpatients")havemanyfeatures,suchaslateageofonset,severeillness,highsuiciderisk,andbadlydamagedsocialfunction.Basedonstructuralmagneticresonanceimaging(MRI)ofthehumanbrain,westudiedbrainstructuralmorphologyofcomorbidpatientsbyusingtheme

8、thodologiesofmorphologicalanalysisandmachinelearning.Themaincontentofthispaperconsistsoftwoparts:Firstly,weappliedvoxel-basedmorphometry(VBM)andregionofinterest(ROI)analysestoinvestigatet

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。