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 ZHANG MingHuan;CHEN Ying;SHEN Ying;MA JunShan

作者机构：上海理工大学 光电信息与计算机工程学院，上海 200093 上海杉达学院 信息科学与技术学院，上海 201209 上海杉达学院 信息科学与技术学院上海201209 上海交通大学医学院附属新华医院上海200092 上海理工大学 光电信息与计算机工程学院上海200093 

基　　金：上海市民办高校重点科研项目(2016-SHNGE-01ZD) IBM大学合作部联合研究项目(D-2111-15-001) 

出 版 物：《上海理工大学学报》 (Journal of University of Shanghai For Science and Technology)

年 卷 期：2016年第38卷第2期

页      码：154-159页

摘      要：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．

主 题 词：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 

学科分类：0710[理学-生物科学类] 07[理学] 09[农学] 071007[071007] 0901[农学-植物生产类] 090102[090102] 

D　O　I：10.13255/j.cnki.jusst.2016.02.010

馆 藏 号：203147409...