利用小波变换和神经网络对罕见病DMD的MRI进行分类识别

杜兴氏肌营养不良（DMD）是一种严重的儿童腿部神经肌肉罕见病。传统的诊断和检测方案一般为有创手段，会带给患儿极大的痛苦。基于受试者的磁共振图像（MRI），采用计算机辅助检测手段探索了有效的无创检测方法。实验分别选用sym4和db4两种小波基函数，对患儿组和健康对照组的MRI进行三种尺度的小波分解，从所得的分解图像中提取12个纹理特征参数，并利用人工神经网络（ANN）算法对图像参数进行分类识别。结果显示：在受试者的两类MRI加权图像（T1和T2）中，T1图像能更好地区分患儿与健康儿童；利用db4函数对图像进行小波分解，其效果略优于sym4函数，且在三种小波分解尺度中，以二层分解最优；利用ANN算法对图像进行分类识别，其灵敏度、特异度和准确率分别高达98．5％、97．3％和97．9％。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疾病无创检测的尝试探索。