CSP2017优秀论文 02 | 应用支持向量机判别精神分裂症：基于脑结构像和DTI的研究
点击蓝字
关注我们
论文分类：影像学研究
论文作者：梁素改 李晓晶 邓伟 王强 李涛
作者单位：四川大学华西医院
【摘要】
【目的】对精神分裂症早期客观的诊断评估是目前研究的热点，也是临床上需迫切解决的问题。神经影像学的发展促进了精神分裂症相关表型的研究，但是目前基于神经影像学多表型的特征选择及特征融合的机器学习研究较少，如何更加精准的寻找该疾病相关生物学标记仍不明确。
方法
【方法】本研究共纳入213例受试者，其中首发未服药精神分裂症患者有98例，年龄和性别相匹配的正常对照有115例。患者的病情严重程度由阳性和阴性症状量表评定。受试者均完成头部磁共振扫描。脑结构像使用Freesurfer预处理，并依据Desikan-Killiany图谱提取68个脑区的灰质体积、皮层厚度和局部折叠系数。弥散张量成像使用FSL预处理，并依据JHU DTI-based white-matter谱图提取48个脑区白质纤维束各向异性分数(fractional anisotropy，FA)。采用留一法交叉验证，在每一次循环中，把一个受试者作为测试集，其他受试者为训练集，在训练集中，根据Gini指数选择特征，选用支持向量机（径向基核函数）建立模型，分别基于脑灰质体积、皮层厚度、局部折叠系数和白质FA，判别精神分裂症患者和正常对照。本研究采用两种特征融合方法，一种是把脑灰质体积、皮层厚度、局部折叠系数和白质FA特征串行融合，在留一法交叉验证中，根据Gini指数选择特征，采用支持向量机（径向基核函数）判别精神分裂症患者和正常对照。另外一种特征融合的方法是，在脑灰质体积、皮层厚度和局部折叠系数这三种灰质表型中，选择分类效果较好的一类表型与白质FA特征串行融合，根据Gini指数选择特征，采用支持向量机（径向基核函数）判别精神分裂症患者和正常对照。
结果
【结果】本研究基于留一法交叉验证，采用支持向量机（径向基核函数）基于脑区灰质体积判别精神分裂症的准确率为66.04%，基于脑区皮层厚度判别精神分裂症的准确率为68.87%，基于脑皮层折叠系数判别精神分裂症的准确率为73.58%，基于脑区白质纤维束结构完整性判别精神分裂症患者的准确率为79.95%。基于留一法交叉验证，采用支持向量机（径向基核函数），四组表型（即脑区灰质体积、皮层厚度、皮层折叠系数和脑白质FA）特征融合后，判别精神分裂症的准确率为68.16%；两组表型（即脑皮层折叠系数和脑白质FA）特征融合后，判别精神分裂症的准确率为82.55%。在脑白质纤维束FA-支持向量机模型和脑皮层折叠及脑白质特征融合支持向量机模型中，判别精神分裂症所选择的重要特征相互重合，有左右胼胝体毯部、左右钩束、左右侧小脑上脚、右小脑下脚、左穹隆（脚）/终纹纤维和左皮质脊髓束。在脑皮层折叠-支持向量机模型和脑皮层折叠及脑白质特征融合支持向量机中，判别精神分裂症所选择的重要特征主要有左旁中央小叶。
结论
【结论】本研究显示，神经影像学内表型可在‘个体’水平判别精神分裂症患者，同时脑区局部折叠和白质纤维束的特征融合对精神分裂症的判别准确率较高。本研究表明，精神分裂症区别于正常对照基于脑皮层折叠的内表型有旁中央小叶。本研究也表明，精神分裂症区别于正常对照基于弥散张量成像的内表型有左右胼胝体毯部、左右钩状束、左右侧小脑上脚、右小脑下脚、左穹隆（脚）/终纹纤维和左皮质脊髓束，表明精神分裂症可能存在额叶-小脑连接异常。
