基于动脉自旋标记磁共振图像进行失智症病情排序诊断的关键技术研究

It is widely acknowledged that, dementia disease becomes a serious problem in the society of China nowadays. It is crucial to diagnose the dementia disease accurately, in order to alleviate or even relieve symptoms of demented patients. In this study, arterial spin labeling (ASL), an emerging magnetic resonance imaging (MRI) tool, is utilized to predict the dementia disease severity of patients. Several critical issues will be investigated in this study, including 1) A novel pixel-wise partial volume effect (PVE) model to be proposed to handle existing problems, such as blurring and brain details loss commonly seen in correction results obtained by conventional PVE correction methods; 2) A new diagnosis strategy via ranking. Contributions of this study can be summarized as: existing problems in conventional PVE correction methods can be well tackled; novel models and algorithms different from popular classification, clustering and regression models will be proposed. It is the first attempt to conduct pixel-wise PVE correction as well as dementia diagnosis via ranking as well in this project.

失智症是已进入人口老龄化社会的我国愈发常见的老年人疾病。及早、准确地确诊患者病情，将有助于医生为患者更好的开展治疗，达到缓解和抑制患者病情的目的。本项目拟对基于动脉自旋标记磁共振图像进行患者失智症病情诊断过程中的若干关键科学技术问题进行研究。重点研究内容包括：1）针对动脉自旋标记磁共振图像部分容积效应突出的问题，提出基于单像素点信息独立改善的新模型，来解决现行改善方法中普遍存在的改善结果过度模糊、大脑组织细节信息丢失严重等问题；2）基于改善后的动脉自旋标记磁共振图像，提出一类根据患者病情严重程度来排序诊断其失智症病情的新型诊断机制。本项目的实施将有助于解决现行部分容积效应改善方法中普遍存在的结果过度模糊、细节丢失严重等问题；提出区别于分类、聚类、回归等传统模式识别模型的排序模型的新算法。该课题基于单像素点信息改善部分容积效应和基于排序模型诊断失智症等问题的研究在国内外都属首次。

失智症是一种常见于60岁以上老年人群体中的持续性脑神经功能性系统障碍疾病；在全球与心脏病、癌症、糖尿病、慢性肺病一道，被认为是导致人类死亡的五大非传染性疾病。在我国2.3亿老年人口当中，患有不同程度失智症的老年人数量已超过千万。失智症在已进入人口老龄化社会的我国是一个亟待解决的重大医疗和社会问题。本项目研究的目的是提出新颖的老年人失智症计算机辅助诊断方法。创新性主要从医学图像模态和诊断手段两方面体现。在使用的医学图像模态中，本项目基于动脉自旋标记这种在国际上都比较新型的功能性磁共振成像方式，完成了反映老年人大脑血流量的控制图像和标签图像的采集工作。在此基础上，本项目建立了一个包含350位失智症患者的动脉自旋标记磁共振图像数据库；该数据库在动脉自旋标记磁共振图像模态的独有性和患者数量两方面，在国际上都还没出现其它可与之媲美的类似工作。在诊断手段方面，本项目主要在两类关键科学技术问题的研究中获得了突破性进展。一、显著区别于国际改善动脉自旋标记磁共振图像部分容积效应的现行工作中普遍采用目标像素点附近最近领域内其他空域像素点信息的研究思路，本项目提出了一种基于目标像素点重复扫描获得时域信息构造最优化问题求解部分容积效应不定方程的新思路。在此基础上，进一步提出基于split-Bregman最优化求解思想的单像素点部分容积效应改善算法，很好的避免了现行方法容易造成改善结果过度模糊以及大脑组织细节信息丢失严重等弊端。二、区别于传统的计算机辅助诊断工作采用分类、聚类、递归等模式识别经典模型的研究思路，本项目创新的提出建立排序模型学习患者疾病相似度函数来进行计算机辅助诊断的新思路。在此基础上，进一步提出基于标准化折扣积累增益模型和基于肯德尔系数模型等两类排序模型，对线性、非线性等不同情况下的患者疾病相似度函数进行学习，并在本项目建立的患者数据库中完成了统计学定量比较实验。本项目相关成果已在国际、国内相关领域一系列高水平期刊、会议中陆续接收与发表，很好的完成了项目申请书中规定的全部研究内容和研究目标。