Classification of Parkinson's disease and essential tremor based on structural MRI
Classification of Parkinson's disease and essential tremor based on structural MRI
复制标题
基于结构MRI的帕金森病和特发性震颤分类
DOI：
10.1109/skima.2016.7916256
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Xiujun Zhang
中科院分区：
文献类型：
--
作者：
Li Zhang;Chang Liu;Xiujun Zhang
帕金森病（PD）和特发性震颤（ET）是临床诊断中经常困扰医生的两种震颤性疾病。早期的实验已经表明，帕金森氏病可以引起名为Caudate_R（基底神经节的一部分）的大脑区域的病理变化，而原发性震颤则不会。虽然对PD和ET的分类有很多研究工作，但都没有实现两种疾病的自动分类。为了实现这一点，我们提出了一个基于主成分分析（PCA）和支持向量机（SVM）的机器学习框架，帕金森病和特发性震颤的分类。这个机器学习框架有两个阶段的方法。首先，我们使用主成分分析（PCA）从结构MRI数据中提取判别特征。然后采用SVM分类器对PD和ET进行分类。我们使用统计分析和机器学习方法来测试PD和ET在特定脑区的差异。因此，机器学习方法在提取差异脑区域方面具有更好的性能。在不同脑区的分类准确率最高可达93.75%。
Parkinson's disease (PD) and essential tremor (ET) are two kinds of tremor disorders which always confusing doctors in clinical diagnosis. Early experiments have already shown that Parkinson's disease can cause pathological changes in the brain region named Caudate_R (a part of Basal ganglia) while essential tremor cannot. Although there are many research work on the classification of PD and ET, they didn't achieve the automatic classification of the two diseases. In order to achieve this, we proposed a machine learning framework based on principal components analysis (PCA) and Support Vector Machine (SVM) to the classification of Parkinson's disease and Essential Tremor. This machine learning framework has two-stage method. At first, we used principal component analysis (PCA) to extract discriminative features from structural MRI data. Then SVM classifier is employed to classify PD and ET. We used statistical analysis and machine learning method to test the differences between PD and ET in specific brain regions. As a result, the machine learning method has a better performance in extracting the differential brain regions. The highest classification accuracy is up to 93.75% in the differential brain regions.
登录
查看更多内容
影响因子：
2.2
作者：
Vilarino-Gueell, Carles;Wider, Christian;Ross, Owen A.;Jasinska-Myga, Barbara;Kachergus, Jennifer;Cobb, Stephanie A.;Soto-Ortolaza, Alexandra I.;Behrouz, Bahareh;Heckman, Michael G.;Diehl, Nancy N.;Testa, Claudia M.;Wszolek, Zbigniew K.;Uitti, Ryan J.;Jankovic, Joseph;Louis, Elan D.;Clark, Lorraine N.;Rajput, Alex;Farrer, Matthew J.
通讯作者：
Farrer, Matthew J.
影响因子：
8.6
作者：
C. Goetz;G. Stebbins;L. Blasucci
通讯作者：
C. Goetz;G. Stebbins;L. Blasucci
影响因子：
11.2
作者：
CLEEVES, L;FINDLEY, LJ;KOLLER, W
通讯作者：
KOLLER, W
影响因子：
3.3
作者：
Asenbaum, S;Pirker, W;Brücke, T
通讯作者：
Brücke, T
DOI：
10.5555/1390681.1442794
发表时间：
2008-06
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
Rong-En Fan;Kai-Wei Chang;Cho-Jui Hsieh;Xiang-Rui Wang;Chih-Jen Lin
通讯作者：
Rong-En Fan;Kai-Wei Chang;Cho-Jui Hsieh;Xiang-Rui Wang;Chih-Jen Lin