导　　师： 郭圣文;曾伟杰

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 颞叶癫痫病(temporal lobe epilepsy,TLE)患者脑白质微结构发生异常的重要脑区的定位与脑白质网络的异常模式变化,是阐明其脑结构异常变化的规律、认知功能障碍的关键,亦是进行准确的临床诊断与有效治疗的重要依据。本文采集了22名TLE患者与28名健康正常人作为对照组(normal control,NC)共50人的脑部弥散张量影像(diffusion tensor imaging,DTI)。分别计算其部分各向异性(fractional anisotropy,FA)、平均扩散率(mean diffusivity,MD)、扩散系数(axial diffusivity,AD)、径向扩散系数(radial diffusivity,RD)等参数,并采用纤维束追踪空间统计方法(Tract-based spatial statistics,TBSS),分析组间差异脑区,然后,分别利用双样本t检验和递归特征消除法(recursive feature elimination,RFE)选取重要特征,并利用线性支持向量机(support vector machine,SVM),对颞叶癫痫患者和健康正常人进行分类,最后,对分类重要脑区分布进行了分析与讨论。结果表明:与NC组相比较,TLE组的FA值存在显著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,其中大部分脑区也表现为MD、RD值显著增高,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方法(support vector machine-tract-based spatial statistics,SVM-TBSS)利用组间差异显著的FA、MD、RD特征进行分类的准确率分别为82%、76%、76%,三类特征融合后分类准确率为80%;支持向量机-递归特征消除法(support vector machine-recursive feature elimination,SVM-RFE)利用FA、MD、RD特征及融合三类特征的分类准确率分别为90%、90%、92%与100%,SVM-RFE分类性能明显优于SVM-TBSS。根据SVM--RFE得到的重要脑区特征的选择次数与权重排序,位居前列的特征位于左侧上额枕束、穹窿、右侧海马、右侧小脑上脚、右侧后放射冠、双侧内囊膝、右侧上纵束、右侧内囊前肢、右侧

关 键 词： 颞叶癫痫 弥散张量成像 基于纤维束的空间统计方法 支持向量机 脑白质结构网络

领　　域： [] []