利用机器学习方法对神经肌肉罕见病DMD进行分类预测

作者：章鸣嬛; 陈瑛; 沈瑛; 马军山

来源：上海理工大学学报, 2016, 38(02): 154-159.

DOI：10.13255/j.cnki.jusst.2016.02.010

• 杜兴氏肌营养不良
• 无创检测
• 磁共振图像
• 纹理特征
• 小波变换
• 支持向量机

为早期诊断和检测神经肌肉罕见病——杜兴氏肌营养不良(DMD),设计了一组分类预测试验.首先,利用小波变换对DMD患者组和健康对照组的磁共振图像(MRI)进行小波分解;其次,从所得的分解图像中提取出若干纹理特征参数并进行降维处理;最后,再基于这些纹理特征参数,利用支持向量机算法(SVM)对试验图像进行分类预测.试验结果显示,若选择适当的小波分解尺度、分类器核函数和相关参数组合,则MRI图像的分类灵敏度、特异度和准确率分别可达96.9%,97.3%和97.1%.该处理方法有望为临床提供客观有效的辅助诊断手段,可作为DMD罕见病无创检测的尝试探索.

• 单位
  上海理工大学; 上海杉达学院; 上海交通大学医学院附属新华医院