基于多模态磁共振影像的精神分裂症患者多特征分类研究

精神分裂症（SZ）的分类研究已经被广泛报道，但是之前比较多的研究都是基于单个模态的或者单个特征的。 本研究提出了一种基于多模态磁共振影像的自动分类方法，采集了44 例SZ患者与56 例健康正常人的结构与功能磁共 振影像，基于自动解剖标签模板提取了90 个感兴趣区域的灰质体积、局部一致性、低频振荡振幅和度中心度作为分类模 型的输入特征。为了降低特征维度，利用递归特征消除法获取对分类有效的主要特征，然后采用支持向量机对SZ患者 和正常人进行分类。结果表明，将4 种多模态特征组合起来作为分类特征时，分类准确率达到94.47%，明显优于单独将 这些特征作为分类模型的输入特征时取得的分类效果，并且研究发现分类权重最大的脑区主要集中在额叶、颞叶和枕 叶。研究结果有助于理解SZ患者的病理机制与进展规律及实现自动诊断