基于大脑形态学和SVM的孤独症自动识别

• 作者: 喻罡 李华 李金泽 高燕华
• 来源期刊: 中国医学物理学杂志
• 关键词: 磁共振 支持向量机 特征提取 分类
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 医学生物物理与临床应用
• 页码范围: 5338-5343
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2014.06.026

摘要

目的:孤独症是目前儿童青少年时期常见的精神障碍类疾病,发病率高,临床诊断方法主观性强,也没有较好的治愈办法,本文基于大脑的形态学指标和支持向量机,提出了一种自动区分孤独症患者和正常人的方法.方法:选取对31名孤独症患者48名作为对照组的正常人进行分析.首先对磁共振的结构图像做去头皮、偏场校正等预处理.对三维大脑图像进行分割,得到68个脑区和5类大脑皮层特征,共340个形态学特征.然后对所有的形态学特征进行统计分析和序列前向选择,提取优化形态学特征集合,最后使用支持向量机对得到的特征进行训练和分类.结果:对孤独症患者和正常人进行分类,支持向量机对结合t检验和序列前向选择法提取得到的数据集的平均测试准确率可达到93.67％.结论:通过对模式分类结果的分析,可以了解孤独症与正常人的大脑在结构上和功能上都存在着差异,并且这些差异可以作为明显的特征对患者与正常人进行识别,同时可以得到很好的分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高燕华	陕西省人民医院影像中心	24	124	6.0	10.0
3	李华	榆林市第二医院磁共振室	9	35	4.0	5.0
4	喻罡	中南大学地球科学与信息物理学院生物医学工程研究所	16	73	5.0	8.0
7	李金泽	中南大学地球科学与信息物理学院生物医学工程研究所	1	2	1.0	1.0