基于结构磁共振成像海马多特征组合的阿尔茨海默病分类新方法

本文提出了一种利用结构磁共振图像多特征组合的阿尔茨海默病（AD）分类新方法。首先，利用 FreeSurfer 软件进行海马分割及皮层厚度、体积测量。然后，采用直方图、梯度、灰度共生矩阵及游程长度矩阵提取海马三维纹理特征，选取 AD、MCI 及 NC 三组间均具有显著差异的参数，与 MMSE 评分进行相关性研究。最后，利用极限学习机，对 AD、MCI 及 NC 进行分类识别。结果显示，无论左侧还是右侧，纹理特征相比于体积特征可以提供更好的分类结果；纹理、体积和皮层厚度互补的特征参量具有更高的分类识别率，且右侧（100%）分类正确率高于左侧（91.667%）。结果表明三维纹理分析可反映 AD 及 MCI 患者海马结构的病理变化，并且结合多特征的分析更能反映 AD 与 MCI 的认知障碍实质差别，更有利于临床鉴别诊断