基于像素特征学习的磁共振图像中β淀粉样蛋白沉积信息检测算法

β淀粉样蛋白(Aβ)沉积是阿尔茨海默症(AD)的重要防治靶点,在脑中及早发现Aβ蛋白沉积是AD早期诊断的关键。磁共振成像(MRI)是一种理想成像方式,但不能直接显示图像中存在的沉积信息。本文基于过滤式和封装式的选择模式引入链式智能体遗传算法(CAGA)、主成分分析(PCA)、支持向量机(SVM)和随机森林(RF),构建6种特征学习分类算法,通过像素特征优选来实现Aβ蛋白沉积信息(分布)的检测。首先,分割脑磁共振(MR)图像中的脑组织;然后提取脑组织中的像素值形成像素特征向量;接着设计特征学习分类算法对像素实现特征优选,并基于投票机制得到一组最终最优特征向量;最后采用弹性映射方法将最优像素特征向量映射到脑MR图像上,并标记出对应的像素点,从而显示出Aβ蛋白沉积的分布。实验结果表明,本文的像素特征学习方法可提取并显示Aβ蛋白沉积信息,最高分类准确率可达到80%以上,表明该方法是可行和有效的。本文从脑MR图像中检测的Aβ沉积信息将有助于提高基于MR的AD诊断准确率。