[01126047]机器学习方法在立体脑图像弹性配准中的应用研究

本研究从2009年9月开始至2012年12月完成,历时三年半。 项目进行正常老年人、MCI患者、AD患者共3组病例的MR脑结构和不同功能成像的立体脑图像研究MCI的认知损伤及其神经机制,并在此基础上进行诊断MCI敏感性的研究。通过以上研究构建MR脑立体图像分析软件,从而用于MCI患者认知损伤的早期筛查和诊断,使MCI患者能与正常老年人、AD患者进行鉴别,预示MCI发展成痴呆的指标,可做为评价MCI患者治疗效果的工具之一。 最终收集到59个正常人,37个AD患者,84个MCI患者数据。在使用freesurfer软件计算大脑皮层各个不同部分的厚度后,我们提出了一个基于矩阵分解的非负稀疏主成分分析（PCA）方法分类阿尔茨海默病（AD）患者和正常对照组。在提取PCA特征后,使用支持向量机分类时,这个算法比现有的非负稀疏PCA速度更快,性能更优。基于矩阵分解的方法不需要计算的特征值和特征向量,所以它的速度明显快于普通的稀疏主成分分析方法,而高速对于那些基于移动的医疗设备是尤其重要的,研究结果发表在EI检索的期刊International Journal of Advancements in Computing Technology上。构建了一个即支持面绘制,又支持体绘制,拥有可视化操作、界面简洁、使用简单、功能丰富的医学图像三维重建软件系统,并将结果发表在国家二级期刊计算机系统应用上。将部分研究成果写入《医学成像及处理技术》一书,由中国铁道出版社出版,本人担任副主编一职。