轻度认知障碍患者的脑结构分析与转化风险预测

《轻度认知障碍患者的脑结构分析与转化风险预测》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、硕士学位论文轻度认知障碍患者的脑结构分析与转化风险预测作者姓名吴聪玲学科专业生物医学工程指导教师郭圣文教授所在学院材料科学与工程学院论文提交日期2018年4月AnalysisofBrainStructureandRiskPredictionofConversioninPatientswithMildCognitiveImpairmentADissertationSubmittedfortheDegreeofMasterCandidate：WuConglingSupervisor：Prof.GuoShengwenSouthCh

2、inaUniversityofTechnologyGuangzhou,China分类号：R318学校代号：10561学号：201520113861华南理工大学硕士学位论文轻度认知障碍患者的脑结构分析与转化风险预测作者姓名：吴聪玲指导教师姓名、职称：郭圣文教授申请学位级别：理学硕士工程领域名称：生物医学工程研究方向：医学图像处理与分析论文提交日期：2018年4月22日论文答辩日期：2018年5月31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：委员：摘要轻度认知障碍（MildCognitiveImpai

3、rment，MCI）是阿尔茨海默病（Alzheimer’sDisease，AD）的前兆状态，其早期诊断和转化风险预测非常重要。本研究以健康老年人作为对照组(NormalControl，NC)，稳定型MCI（stableMCI，sMCI）和转化型MCI（convertedMCI，cMCI）共三组人群为研究对象，采集基线期（首次扫描）、1年和2年三个时间点的脑结构MR影像数据和随访信息。首先，采用FreeSurfer软件对影像进行预处理和脑皮层结构特征计算，利用T检验方法（T-test）和单因素方差分析方法（ANOVA）分析三组

4、人群的脑皮层特征（表面积、皮层厚度、灰质体积和平均曲率）差异、海马子区体素差异和纵向变化规律。实验结果表明，从NC到sMCI再到cMCI，患者的脑结构变化存在渐进性，变化脑区由内侧颞叶、部分额顶叶脑区增加到大面积额顶叶和枕叶等脑区，海马体素减少的子区从下托、前下托、CA2_3、CA4等扩展到整个海马结构；且随着年龄的增长，脑结构特征变化速率为cMCI组>sMCI组>NC组。然后，应用T-test、稀疏回归（SCDR）和特征递归消去法（RFE）进行特征选择，采用支持向量机（SVM）建立单特征和融合特征的分类模型，进行分类，并获

5、取组间区分能力较强的脑结构特征。其中，SVM分类模型表明RFE分类性能最优，皮层厚度和灰质体积分类能力也优于表面积和平均曲率，与海马体素分类结果相似；同时，4种皮层特征融合、皮层特征与海马体素融合，尤其是基线与纵向特征融合，可显著提高分类性能。此外，为了进一步提高分类性能，评估MCI转化风险，采用深度学习算法进行多分类和MCI转化时间预测，并比较与讨论了两种卷积神经网络与SVM的性能差异。结果表明，深度网络CaffeNet对NC、sMCI和cMCI的基线分类准确率达90.46%，85.12%，91.22%，优于GoogleN

6、et的分类性能，且对MCI的转化时间预测平均准确率达96.47%。因此，随着病程的进展，MCI患者脑结构特征变化存在显著差异，深度学习算法在MCI多分类与转化预测方面的性能尤为突出，在AD的早期检测和转化风险评估方面，具有临床应用价值。关键词：轻度认知障碍；转化预测；脑皮层特征；支持向量机；深度学习IAbstractMildCognitiveImpairment(MCI)isapre-dementiaphaseofAlzheimer'sDisease(AD),anditsearlydiagnosisandconversion

7、predictionareveryimportant.Inthisstudy,brainstructuralMRimageswerecollectedfromthreegroupsincludingthehealthyeldersasnormalcomtrol(NC),stableMCI(sMCI)andconvertedMCI(cMCI),thefollow-updatawereacquiredatthreetimepointsofbaseline(firstscan),1yearand2years.First,theMR

8、imageswerepreprocessedandbrainstructuralfeatureswerecalculatedbytheFreeSurfersoftware.Thenthedifferencesofthecorticalsurfacefeatures(surfacearea,