颞叶癫痫患者脑白质纤维束追踪空间统计分析与自动识别

作者：赵地; 郭圣文; 吴聪玲; 赖春任; 成丽娜; 汪文胜

来源：生物医学工程学杂志, 2017, 34(04): 500-509.

• 颞叶癫痫
• 弥散张量成像
• 纤维束追踪空间统计
• 支持向量机
• 递归特征消除法

为了定位颞叶癫痫(TLE)患者脑白质微结构发生异常的重要脑区,本文设立了正常对照组(NC)与TLE组两组人群,采集了50位受试者(其中NC组28人,TLE组22人)的脑部弥散张量成像(DTI)影像,分别计算其部分各向异性(FA)、平均扩散率(MD)、扩散系数(AD)、径向扩散系数(RD)等参数,并采用纤维束追踪空间统计方法(TBSS),获取组间差异的脑区,然后利用支持向量机(SVM),对NC组与TLE组进行分类,并与支持向量机-递归特征消除法(SVM-RFE)进行比较,最后对重要脑区及其分布进行分析与讨论。实验结果表明,TLE患者的FA值存在明显降低的脑区主要有胼胝体、上纵束、放射冠、外囊、内囊、下额枕束、钩束、矢状层等,基本呈双侧分布,其中大部分脑区的MD、RD值明显增高,AD值虽有增高,但差异无统计学意义。支持向量机-纤维束追踪空间统计法(SVM-TBSS)利用FA、MD、RD进行分类的准确率分别为82%、76%、76%,特征融合后分类准确率为80%;SVM-RFE利用FA、MD、RD进行分类准确率分别为90%、90%和92%,特征融合后分类准确率达到100%,SVM-RFE分类性能明显优于SVM-TBSS,对分类有重要影响的特征主要分布于联络纤维和连合纤维脑区。研究结果表明,DTI参数能有效地反映TLE患者的脑白质纤维异常改变,可用于阐明其病理机制、定位病灶及实现自动诊断。

• 单位
  华南理工大学; 广东三九脑科医院