论文部分内容阅读
背景痴呆(Dementia)是老年人的常见病之一。在全球范围内每7秒钟新增1个痴呆病例,2010年估计全球3.56千万人患痴呆,到2030年将增加到6.57千万,到2050年将增加到11.4千万。并且有2/3痴呆患者生活在中低收入国家。老年痴呆(AD)则是痴呆中常见的一种,在中国65岁以上老年人AD患病率4.8%(目前我国约600万AD患者),从出现临床症状至首次确诊时间平均大于一年,所以确诊时大多已错过最佳治疗阶段。故研究早期诊断AD是国内外的热点和难点问题之一。对于AD的早期诊断,通常会寻找合适的生物标志物作为辅助诊断的依据。目前公认的的生物标志物有5种,其中包括脑萎缩这个特征,是通过核磁共振成像(MRI)所呈现的。国内外已有学者采用脑萎缩这个生物标志物进行建模预测早期AD。纹理的引入模型预测虽有报道,但是提取纹理及模型均比较落后。本项目组前期分别应用第一、第二代小波变换以及灰度共生矩阵的方法建立肺癌预测模型(包括多水平模型,支持向量机,Lasso回归,决策树,随机森林,人工神经网络,Gradient boosting以及最近邻分类),其中支持向量机取得了较好的预测结果。目前国内外对于提取纹理建立早期AD预测模型的研究有如下的局限性:所选取纹理值参数较少,并且一般未结合脑部形态学参数。预测模型多为人工神经网络等,较为落后,且样本量很少。目的根据脑部MRI图像的纹理值参数以及基于体素形态学参数建立早期预测模型,发现关键纹理值,以期提高早期AD以及轻度认知障碍(MCI)转化的识别率。方法本次研究共收集299例脑部MRI图像,包括AD患者58例,MCI患者147例,正常组94例,并且每一个病例都有超过两年的随访。为了比较支持向量机、高斯过程回归模型、偏最小二乘回归模型等3种方法对早期AD的预测结果的优劣,采用Bootstrap产生模拟数据,比较纳入不同纹理值的各种模型预测结果。采用区域增长法从冠状位的脑部MRI图像中分割得到海马区域,对分割出的海马区域用Contourlet变换处理并且通过灰度共生矩阵计算14个纹理值参数。采用147例MCI病人作为验证数据集,分别建立AD与MCI转化的预测模型,计算相应的评价指标。比较几种模型对于MRI数据预测效果。通过网站及咨询影像专家获得AD组,MCI组以及正常组的人口学资料、生活环境因素及神经量表评分,基于纹理值和人口学特征、患病史、并结合基于体素的形态学参数多维度数据集,建立预测模型。结果1.基于单因素分析发现:病例年龄在AD组,MCI组合正常组3组病例中差异无统计学意义(Z=3.45,P=0.64)、病例受教育年数在3组之间差异没有统计学意义(Z=6.45,P=0.85)。量表方面,MMSE,CDR-SB,ADAS在三组中的差异有统计学意义。病例患病史方面,4种患病史在3组之间差异有统计学意义;脑部形态体积参数方面,有184个形态体积参数差异有统计学意义。纹理方面,有379个纹理值参数在三组中差异有统计学意义。2.基于Contourlet变换建立支持向量机,高斯过程,偏最小二乘回归模型通过各评价指标发现,预测模型中高斯过程回归模型的预测效果良好(敏度0.84,特异度0.75,ROC曲线下面积0.84,优于支持向量机预测效果,不及偏最小二乘回归模型。3.通过模拟研究以及单因素分析,显示一下几种纹理值参数对模型预测具有较大贡献。分别为:Standard Deviation,Homogeneity,Energy,Inertia,Inverse Difference Moment,Correlation,Difference-Mean和Sum-Entropy。4.高斯过程模型对MCI转化的预测精度达到82.2%,偏最小二乘为85.5%,支持向量机为80.3%。结论1.高斯过程回归模型可以较准确预测早期AD以及MCI转化,预测效果优于支持向量机。2.纹理值参数的加入对早期AD的预测具有积极作用。