基于医学影像数据的多元模式Kendall等级相关识别分析

发布时间：2015-02-02 09:16

 

【摘要】 精神分裂症主要是以精神活动与环境的不协调为主要特征的一类最常见的精神疾病,具体表现在基本个性的改变及思维、情感和行为的分裂等。本文对比分析了精神分裂症患者与正常人的静息态大脑网络功能连接,旨在通过比较精神分裂症患者与正常人大脑网络之间的异常功能连接,对精神分裂症患者进行分类。本文收集了69名精神分裂症患者与62名正常人的大脑静息态fMRI原始数据,其中正常人的大脑数据作为对照组,并要求年龄和性别等与病人组相匹配。运用多元模式识别分析对精神分裂症患者与正常人进行分类,并通过置换检验估计分类的可靠性。基本思路如下：构造病人组与正常人组的皮尔逊相关系数网络,分别用双样本T检验,风险差,Kendall等级相关三种方法选出最具判别力的特征,采用支持向量机作为分类器,以留一试验方法完善分类性能。然后以准确率为统计量,通过置换检验检测分类结果的合理性。最后对比分析三种不同选特征方法获得的具有判别力的特征以及脑区。结果显示：用双样本T检验选特征分类的准确率为83.97%,用风险差方法选特征分类的准确率为83.21%,用Kendall等级相关系数选特征分类的准确率为83.97%,分类的效果均较高。除此之外,风险差方法与Kendall等级相关系数方法对病人的分类效果要比对正常人的分类效果高。同时,通过三种不同的特征选择方法,本文发现最具判别力脑区,主要位于默认网络,与注意力,感觉和记忆有关的网络,并且大致分布在大脑的前部和中部区域。在风险差与Kendall等级相关系数检验方法得到的公共特征中,本文发现具有判别力的特征主要包括额上回,前后扣带回,角回,楔前叶,额叶,颞叶,中央前后回,辅助运动区,嗅皮质,海马旁回,杏仁核,尾状核,豆状苍白球,丘脑等脑区之间的功能连接。值得注意的是：病人组的楔前叶与后扣带回脑区之间的功能连接显著减弱。这对分析探究精神分裂症疾病发病机理及诊断有着重要意义。 

1绪论

近年来，脑功能磁共振影像技术在精神科学领域的研究和应用越来越广泛，各种成像技术的出现为研究意识与脑的关系提供了有力的手段，其中最常用的是功能磁共振成像功能磁共振成像技术是一种非侵入活体脑功能检测技术，它能提供清晰的脑部解剖图像，是无创伤的，并且它有着较高的时间分辨率和空间分辨率。更重要的是不需要给被试注射微量放射性物质，具有显著的临床试验研究意义，这些优越的特性使得fMRI成为目前最为普遍应用的脑功能成像技术。早期的神经科学研究关注更多的是定位大脑内部各部分的功能，而现在更多的研究者逐渐转向研究大脑内部的网络。因此，探索大脑网络异常连接有助于人脑功能的研究以及疾病的诊断。医学影像技术的发展，，使医生诊断疾病的方式也发生了转变，对疾病定量化的测量以及科学分析可以大大提高疾病诊断的准确性。利用提取的有用信息对疾病患者与正常人进行有效分类及诊断，对探索发病的原理与因素有着重要意义。模式识别在医学上的应用很多，前景广阔，它可以帮助医生对疾病进行诊断。
........

2数据处理

2.1统计学分析
本文的数据来自台湾大学，经分析两组被试者在年龄，性别等均无差异。

2.2数据预处理
数据的预处理包括如下步骤：去除前10个时间点：考虑到扫描开始阶段被试者对仪器的不适应，故在分析数据之前每个被试者的前10幅图像都被剔除了。时间层矫正由于对大脑进行扫描时，每层数据不是在同一个时间点获得，因此需要将大脑的所有层数据都矫正到同一个时间点。头动矫正消除扫描的过程中由于被试者头动的影响。时间层矫正由于对大脑进行扫描时，每层数据不是在同一个时间点获得，因此需要将大脑的所有层数据都矫正到同一个时间点头动矫正消除扫描的过程中由于被试者头动的影响。空间标准化将大脑所有图像配准到同一个空间，减小空间上的噪声以及被试者大脑解剖结构的差异。线性漂移随着时间的增加数据信号呈现上升趋势或是下降趋势，它对结果会产生一定的影响，一般情况下需要去除。低通滤波：减少一些生理噪声如呼吸和心跳等所带来的影响。本文根据AAL将大脑划分成了90个脑区来分析。具体做法是先将90个脑区的所有体素的原始时间序列提取出来后相加求平均值，得到这90个脑区的平均时间序列；然后去除一些协变量如头动参数，白质信号，脑脊液，全脑平均信号对数据的影响得到这90个脑区新的最终的时间序列。

3多元模式识别........7
3.1特征获取........7
3.2特征筛选......8
4结果分析..........13
4.1分类结果......13
4.2置换检验结果....13
5讨论与展望.........21
5.1讨论......21
5.2展望..........22

4结果分析

4.1分类结果
本文首先得到每个被试者的皮尔逊相关系数网络，然后分别运用三种特征选择方法来蹄选特征，最后应用分类器SVM对数据进行分类。下表为三种特征选择后的SVM分类结果：从表4-1中可以看出，双样本T检验相关系数方法得到的准确率最高，达到了83.97%，而风险差方法得到的准确率为83.21%,同时，本文发现双样本T检验分类结果中敏感度低于特异度，这意味着此方法相对于这批正常人分类的效果好，而风险差与等级相关系数方法结果中敏感度高于特异度，意味着此方法相对于这批病人的分类效果好。

4.2置换检验结果
本文以准确率为统计量，并使用置换检验方法检测结果。下面的三幅图中显示的是不同特征选择方法用于分类时用置换检验估计分类结果的分布图。从图4-1至图4-3中可知，不管是哪一种方法挑选特征来做分类，均与样本的标签有着紧密联系。在置换检验过程中将样本标签打乱，得到的分类率比正确标签的样本分类率要高的概率基本趋近于0，也就是说犯这种错误的概率很小，故本文中的方法求得的分类结果是可信的。在留一交叉试验中，记录每次试验结果中均出现的用于分类的特征编号，对每个选好的特征的权重值求平均值，以此作为该特征在分类过程中的可判别力。认为这些特征具有较高的判别能力，它们反映的是精神分裂症患者与正常人之间存在显著差异。而每个脑区的权重定义为该脑区与其他脑区的功能连接的平均值，然后将每个脑区的权重按从大到小排序。
...........

5讨论与展望

5.1讨论
本文通过三种不同的特征选择方法检测出精神分裂症患者的大脑默认网络与正常人相比存在显著差异。其中双样本T检验方法是最常用最简单的特征选择方法，本文用双样本T检验方法用于分类得到的准确率为接近84%.但其对正常人的分类效果优于对病人的分类效果，故在分析具有判别力的脑区或特征时没有借鉴此方法的结果。而风险差是流行病学中用来衡量暴露与疾病之间关系时最常用的统计量之一它在医学影像数据分析上的应用目前还不多，但其在区别病人与正常人大脑信息时具有重要实用意义。虽然不同的文献中原始数据来源以及处理数据和分析数据的方法的不尽相同，对数据分析结果存在一定的影响，但是解决问题的思路和方法是可以互相参考的。基于医学影像数据的模式识别分析可在处理大量的病人影像数据的基础上，把可疑的病灶尽可能准确地找出来，提供给医生作为进一步诊断的参考，防止漏诊。

5.2展望
特征蹄选是模式识别等领域的要研究的一个重要问题，特征蹄选的好坏直接影响着分类的准确率。基于准则对特征聚类将相近的特征归为一类也可以蹄选特征。有文章使用信息炮方法分析大脑功能连接数据，并筛选了有效的分类特征，准确率可观。更多有效的特征蹄选方法需要研究者们的进一步努力探索。基于医学影像数据的大脑网络分析只是一种研究方法，但是这也只能提供一种宏观的诊断结果，在现实问题中病人个体情况不同，最终仍需结合医生的经验对病人的症状进行总结和建议。而研究者对病人大脑网络差异的定量分析，有助于从数量上阐明精神分裂症疾病机理，并且如何将研究结果很好的与脑科学结合起来也是一个更高的挑战。
.........

参考文献:

[1] 范培进,裴晋平,侯占军,史小琴,焦青山.  精神健康现状与精神健康策略的探讨[J]. 实用医技杂志. 2013(08)
[2] 王建宁.  认识精神疾病 关注精神卫生[J]. 抗癌之窗. 2013(03)
[3] 方林,曹栋,谢世平,姚志剑,康冰,卢青.  首发未用药精神分裂症患者静息态脑功能局部一致性fMRI研究[J]. 中国神经精神疾病杂志. 2013(01)
[4] 程炜.  基于功能磁共振ADHD病人的分类[J]. 甘肃联合大学学报(自然科学版). 2012(06)
[5] 刘海洪,郝以辉,欧阳萱,孔祥娟,李丽,刘哲宁.  精神分裂症患者额叶、颞叶和边缘脑区的灰质体积下降[J]. 中国临床心理学杂志. 2009(05)
[6] 邵辉丽.  静息态默认功能网络磁共振成像研究[J]. 中国医学影像技术. 2009(S1)
[7] 王飒,郑链.  基于Fisher准则和特征聚类的特征选择[J]. 计算机应用. 2007(11)



本文编号：11769