文献类型：期刊文章

作　　者：章鸣嬛[1,2] 陈瑛[2] 沈瑛[3] 马军山[1]

机构地区：[1]上海理工大学光电信息与计算机工程学院,上海200093 [2]上海杉达学院信息科学与技术学院,上海201209 [3]上海交通大学医学院附属新华医院,上海200092

出　　处：《上海理工大学学报》

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)

年　　份：2016

卷　　号：38

期　　号：2

起止页码：154-159

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、SCOPUS、ZGKJHX、核心刊

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  

分 类 号：Q334]