论文总字数：24933字

摘 要

阿尔兹海默病（AD）是一种常见的中枢系统脑衰症，这种疾病多见于老年人群体当中，患有该疾病的老人会伴有语言丧失、失忆及执行功能障碍,患者的生活严重受到影响。轻度认知障（MCI）是处于正常和痴呆之间的一种阶段，患者认知异常，如果能够早点诊断并治疗，就可以延缓或抑制其发展为，具有重要的医学意义与社会意义。所以本文旨在研究痴呆症的早期诊断问题，借用机器学习的方法，实现多分类任务（分为AD、MCI和NC（正常）三类），对阿尔兹海默病的早期诊断和治疗提供帮助。本文的主要研究工作如下：

1、选用核磁共振影像（MRI）为研究对象，MRI相比其他模态图像能够为脑分析提供充足的特征。确定研究对象后，从医学网站获取相匹配的数据，本实验的数据有450个，AD、MCI和NC各有150个。

2、接下来要对图像预处理操作，具体包括大脑的提取、脑分割 以及配准到标准化空间，预处理的目的是为了去除噪声信息、统一数据以及去冗余。对于处理过后的数据，利用AAL模板将大脑的各个区域的体积提取出来作为特征。AAL模板是一种医学模板，它将人的大脑分为90个区域。

3、利用支持向量机的方法构造分类器，对利用AAL提取出来的特征进行训练和分类预测。本文的MRI数据集共有450个，其中训练集为360个，测试集为90个。在参数选取合适情况下，训练集准确率能够有76.4%，测试集准确率则可以到达75.6%。同时对实验结果进行分析，并与多模态融合等方法进行比较，证明了本算法的有效性。

关键词：阿尔兹海默症；MRI；脑形态学测量；数据预处理；支持向量机

Diagnosis of Brain Diseases Based on MRI Images

Abstract

Alzheimer disease (AD) is a common central system encephalopathy, which is common in the elderly population. The elderly with AD will be accompanied by language loss, amnesia and executive dysfunction, and their lives will be seriously affected. Patients with MCI are abnormal, but have not yet reached the level of severe amnesia. Therefore, the purpose of this paper is to study the early diagnosis of dementia, using machine learning method to achieve multi-classification tasks (AD, MCI and NC (normal) to provide help for the early diagnosis and treatment of Alzheimer's disease:

1. Compared with other modal images, MRI can provide sufficient features for brain analysis. After identifying the subjects, 450 matching data were obtained from medical websites, 150 for AD, MCI and NC respectively.

2. Next, image preprocessing operations, including brain extraction, brain segmentation and registration to the standardized space, are needed. For the processed data, AAL template is used to extract the volume of each region of the brain as a feature. AAL template is a medical template that divides the human brain into 90 regions.

3. A man who was constructed by using the vector machine to train and classifies the properties that were produced by AAL. There's a series of assisted data from 450 in this paper, this type of 360 and 90s were testing groups. The right choice, the exact amount of the training and the tests can reach the 74and 75.

Key words: AD; MRI; Brain Morphology Measurement; Data Preprocessing; Support Vector Machine

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1研究背景与意义 1

1.2 国内外研究历史与现状 2

1.3 文章内容与结构 4

第二章 基于MRI图像的分类方法概述 5

2.1 引言 5

2.2 MRI数据介绍 5

2.3 基于体素的脑形态测量 6

2.4支持向量机（Support Vector Machine） 7

2.4.1 支持向量机介绍 8

2.4.2 支持向量机的特点 10

2.5 本章小结 10

第三章 基于MRI的脑疾病分类 11

3.1 引言 11

3.2 数据采集 11

3.3数据预处理 13

3.3.1 脑提取 15

3.3.2 脑分割 16

3.3.3 空间标准化 17

3.4 特征提取 18

3.5构造SVM分类器 20

3.6 结果分析 20

第四章 总结与展望 26

4.1 论文总结 26

4.2 工作展望 26

参考文献 28

致谢 31

第一章 绪论

1.1研究背景与意义

脑疾病是指任何脑器质性损害，进而导致患者智力低下、思维、语言障碍、感觉异常、肢体瘫痪甚至大小便失禁等症状体征的一大类疾病^[22]。常见的脑病包括老年痴呆症、脑萎缩、帕金森病等^[22]。

脑疾病目前已经对人类的生活产生了极大的影响，这也引起了社会与医学界广泛关注。对于脑疾病来说，相较于后期的治疗，前期的检测和诊断同等，甚至更加重要，而检测和诊断目前仍颇具挑战，正是创业创新可以发挥的空间。绝大多数常见神经退行性疾病和精神疾病都无法治愈，最多是药物可以缓解症状。一个重要的原因是，当典型的临床症状表现出来时，疾病已经发生多时，治疗难度非常大。比如老年痴呆症在表现出记忆力问题时，疾病的发生可能已经开始了10-15年。但若能在疾病初期，行为症状表现出来之前，使用神经保护性药物，减少病兆处细胞的减损，则可以从根本上控制疾病的恶化,诊断现状不容乐观今天，脑疾病的主流诊断仍停留在靠主观判断的阶段。临床诊断中，最常用的是借助等权威机构出版的，根据对病史的询问和对行为学症状的观察，给众多指标评分，最后通过综合评分得出结论。这种依赖医生主观判断和病人家属精确陈述的方法，可靠性低，就算是最具备丰富的大夫，出错率也不会低于10%。这套诊断能够确诊的病人，病情大都发展到了后期，错过了最佳治疗干预的窗口。众多其他检测的方法因此不断地发展出来，但总体上精确性不高，目前只能作为辅助诊断的手段。

请支付后下载全文，论文总字数：24933字