利用机器学习方法对神经肌肉罕见病DMD进行分类预测

来源：上海理工大学学报杂志2016年第2期北京时间：

作者：章鸣嬛

单位：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

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.

关键词：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

基金资助：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)