颞叶癫痫患者脑白质纤维束追踪空间统计分析与自动识别

• 作者: 吴聪玲 成丽娜 汪文胜 赖春任 赵地 郭圣文
• 来源期刊: 生物医学工程学杂志
• 关键词: 颞叶癫痫 弥散张量成像 纤维束追踪空间统计 支持向量机 递归特征消除法
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 论著
• 页码范围: 500-509
• 页数: 10页
• 语种: 中文
• DOI: 10.7507/1001-5515.201610038

摘要

为了定位颞叶癫痫(TLE)患者脑白质微结构发生异常的重要脑区,本文设立了正常对照组(NC)与TLE组两组人群,采集了50位受试者(其中NC组28人,TLE组22人)的脑部弥散张量成像(DTI)影像,分别计算其部分各向异性(FA)、平均扩散率(MD)、扩散系数(AD)、径向扩散系数(RD)等参数,并采用纤维束追踪空间统计方法(TBSS),获取组间差异的脑区,然后利用支持向量机(SVM),对NC组与TLE组进行分类,并与支持向量机-递归特征消除法(SVM-RFE)进行比较,最后对重要脑区及其分布进行分析与讨论.实验结果表明,TLE患者的FA值存在明显降低的脑区主要有胼胝体、上纵束、放射冠、外囊、内囊、下额枕束、钩束、矢状层等,基本呈双侧分布,其中大部分脑区的MD、RD值明显增高,AD值虽有增高,但差异无统计学意义.支持向量机-纤维束追踪空间统计法(SVM-TBSS)利用FA、MD、RD进行分类的准确率分别为82％、76％、76％,特征融合后分类准确率为80％;SVM-RFE利用FA、MD、RD进行分类准确率分别为90％、90％和92％,特征融合后分类准确率达到100％,SVM-RFE分类性能明显优于SVM-TBSS,对分类有重要影响的特征主要分布于联络纤维和连合纤维脑区.研究结果表明,DTI参数能有效地反映TLE患者的脑白质纤维异常改变,可用于阐明其病理机制、定位病灶及实现自动诊断.