基于大脑形态学和SVM的孤独症自动识别  

Automatically Classifying of Autism Based on Brain Morphology and SVM

作　　者：李金泽[1] 李华[2] 喻罡[1] 高燕华[3,4] 

机构地区：[1]中南大学地球科学与信息物理学院生物医学工程研究所,湖南长沙410083 [2]榆林市第二医院磁共振室,陕西榆林719000 [3]陕西省人民医院影像中心,陕西西安710068 [4]西安交通大学第一附属医院影像中心,陕西西安710061

出　　处：《中国医学物理学杂志》2014年第6期5338-5343,共6页Chinese Journal of Medical Physics

基　　金：榆林市"61211"科技创新项目;编号:sf12-10

摘　　要：目的:孤独症是目前儿童青少年时期常见的精神障碍类疾病,发病率高,临床诊断方法主观性强,也没有较好的治愈办法,本文基于大脑的形态学指标和支持向量机,提出了一种自动区分孤独症患者和正常人的方法。方法:选取对31名孤独症患者48名作为对照组的正常人进行分析。首先对磁共振的结构图像做去头皮、偏场校正等预处理。对三维大脑图像进行分割,得到68个脑区和5类大脑皮层特征,共340个形态学特征。然后对所有的形态学特征进行统计分析和序列前向选择,提取优化形态学特征集合,最后使用支持向量机对得到的特征进行训练和分类。结果:对孤独症患者和正常人进行分类,支持向量机对结合t检验和序列前向选择法提取得到的数据集的平均测试准确率可达到93.67%。结论:通过对模式分类结果的分析,可以了解孤独症与正常人的大脑在结构上和功能上都存在着差异,并且这些差异可以作为明显的特征对患者与正常人进行识别,同时可以得到很好的分类结果。Objective： Autism is the common mental disorder disease for the youth nowadays, and has the characteristic of high incidence, subjective clinical diagnostic methods and has no good measure to cure. Based on the morphology structure features and the SVM, we propose a method that can distinguish the autism and the normal person automatically. Methods： Firstly the MRI structure data was preprocessed by the steps of tripping the skull and correcting bias field. Aider segmenting the three-dimensional brain image, we ,can obtain 68 components based on brain segments and five kinds of features, which comprise a total of 340 cortical features for each subject. Then statistic analysis and sequential forward selection （SFS） method were adopted to select the optimal features. At last using the support vector machine （SVM） to classify these optimal features. Results： We achieved autism average prediction accuracies of 93.67% for SVM classification. Conclusions： We prove the differences between patients and control group can be used as distinct characteristics for identifying patients and normal peo ple, at the same time we can get a good classification results.

关 键 词：磁共振 支持向量机 特征提取 分类 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]