神经肌肉疾病影像识别中机器学习算法性能的比较研究

杜兴氏肌营养不良症是一种神经肌肉罕见病,传统检测流程包含创伤性检查。故论文基于DMD的磁共振图像,利用K近邻、逻辑回归、支持向量机及深度神经网络(DNN)等四种机器学习算法,对受试者的两类磁共振影像(T1和T2)进行分类识别,探索无创检测的新途径。结果显示:1)四种算法均能对T1图像进行较好地分类,测试集上的准确度均达到90%以上;且DNN分类器的性能最优。2)当迭代次数足够多时,DNN分类器可高效地识别T2;而另三种算法在T2测试集上的识别准确度几乎均在80%以下。因此,利用DNN算法对图像进行分类识别,具有识别准确度高、无损图像信息等优点,可为DMD疾病的无创检测提供有效的技术途径。