基于阿尔茨海默型老年痴呆患者脑部MR图像的纹理特性研究

目前全球有阿尔茨海默型老年痴呆（AD）患者1780万。AD早期病理改变大多发生在临床症状产生之前10～15年，早期诊治极为重要并有赖于多学科的共同努力，是目前国内外学者关注的热点。课题拟采集AD和对照组MR图像，半自动分割海马、杏仁核、扣带回和胼胝体等早期好发部位并深入解析图像中纹理特性，提取能量、熵及分形维数等参量，利用模糊聚类和支持向量机等模式识别技术，实现分类预测，探索AD影像学早期诊断新途径。许多学者认为轻度认知障碍（MCI）可能代表AD前驱阶段，课题组拟同时采集和分析MCI图像纹理特征，提高对AD的预警性。课题试图在比对传统形态学参数和临床信息基础上，通过揭示AD患者MR图像纹理特性与早期病理改变的关系，阐明对图像数据进行深度挖掘有助于探索疾病早期诊断新途径。课题将生物医学工程图像后处理技术应用于AD疾病识别，属跨学科研究。由于我国已进入老龄化社会，课题具有显著的社会和经济效益。

阿尔茨海默型老年痴呆症（Alzheimer’s Disease，AD）是一种神经退行性疾病。随着脑功能逐渐衰退，患者表现为近事记忆障碍，随即出现语言、情绪、认知等障碍，最终不能独立生活以致死亡。AD早期病理改变大多发生在临床症状产生前10~15年，对疾病的早期诊断是目前国内外学者关注的热点。. 本课题对AD患者MR图像进行深度数据挖掘，研究图像的纹理特征，并应用在疾病的早期诊断中。研究采用的方法包括分割AD患者和健康对照组MR脑三维图像海马、胼胝体、扣带、内侧颞叶等早期好发部位组成感兴趣区序列数据集，并通过计算灰度共生矩阵、游程长矩阵等一系列分析，提取各种纹理特征参数。由于大脑萎缩是AD的基本特征之一，研究还提取了海马体积、内侧颞叶宽度等形态学参数，分析临床前AD和MCI大脑组织基于体素的形态学特征，尽可能全面反映AD病理改变，并利用t检验方法对提取的纹理特征参数和形态学参数进行组间比较；采用支持向量机（support vector machine, SVM）、神经网络以及多因素分析法建立模型并设计分类器，与健康对照组图像进行辨识分类，与临床医学及影像学专家共同探索AD疾病影像学早期诊断方法。. 课题共发表论文14篇，其中SCI收录论文1篇，EI收录论文4篇，国际会议论文4篇，其余为国内核心期刊收录。课题申报软件著作权3项，在研期间培养博士生1名，硕士生6名。本课题对研究AD疾病发病机理和早期诊断的实现具有重要影响，对轻度认知障碍（Mild Cognitive Impairment, MCI）、老年痴呆等脑部疾病的研究具有重要启示，具有明显的社会和经济效益。