论文部分内容阅读
轻度认知障碍(MCI)是介于正常衰老与阿尔兹海默症(AD)中间的一种状态。MCI转化为AD一般是一个动态变化的过程,而纵向数据往往能捕捉疾病的动态进展。18F氟脱氧葡萄糖正电子发射断层显像(FDG-PET)已被证明是测定大脑葡萄糖代谢的有力工具。通过FDG-PET数据对MCI转化进行准确的预测,对AD的预防具有很重要的意义。本文从ADNI数据库选择转化型MCI(pMCI)33例,稳定型MCI(sMCI)46例,共计79个样本的四个时间点的纵向FDG-PET数据,首先,根据本文提出的一种结合脑区间粗糙距离,以及各脑区内体素之间精确距离的估计区域间差异性的方法构建单体代谢脑网络,并计算网络节点的度、聚类系数等网络属性。结果表明两组人代谢脑网络均具有小世界属性,而且聚类系数在DMN存在差异,四个时间点均在左侧楔前叶表现出聚类系数显著下降,而随着病情的发展,聚类系数显著下降的区域扩散到右侧扣带回及海马旁回。随后构建分类模型对MCI转化进行预测。网络特征定义为单体代谢脑网络的相关连接系数以及各个节点的聚类系数,静态特征为每个脑区代谢强度均值,基于静态特征定义了动态特征代谢强度差D和代谢强度变化率R。通过Lasso和F-score特征选择算法选取有效特征,训练基于高斯径向核函数的SVM分类器并得到最高分类准确率为89.9%的分类结果。另外,我们还得出以下结论:多个时间点的静态特征相结合,可能会对MCI转化预测有促进作用;动态特征相对于静态特征,对MCI转化具有更高的敏感性。纵向数据对于横向数据,可以提供补充信息,纵向数据能反映个体特征的变化趋势,提高分类的准确性。纵向数据的引入以及个体代谢脑网络的构建可能MCI的病情发展预测提供了新的思路。