
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于支持向量机的帕金森病识别方法:一种使用7特斯拉多维结构磁共振成像的技术
《npj Parkinson's Disease》:Support vector machine-driven Parkinson’s disease identification: a 7-Tesla multidimensional structural MRI approach
【字体: 大 中 小 】 时间:2026年05月01日 来源:npj Parkinson's Disease 6.7
编辑推荐:
摘要帕金森病(PD)是一种进行性神经退行性疾病,其临床诊断主要依据核心运动症状,同时伴有与多种运动和非运动表现相关的脑结构变化。本研究结合了7特斯拉(7-Tesla)磁共振成像(MRI)的多维特征(如灰质体积、皮层厚度等),并利用支持向量机(SVM)技术将98名帕金森病患者与74
帕金森病(PD)是一种进行性神经退行性疾病,其临床诊断主要依据核心运动症状,同时伴有与多种运动和非运动表现相关的脑结构变化。本研究结合了7特斯拉(7-Tesla)磁共振成像(MRI)的多维特征(如灰质体积、皮层厚度等),并利用支持向量机(SVM)技术将98名帕金森病患者与74名健康对照组进行了区分。SVM模型的准确率为0.80(敏感性:100%,F1分数:0.85),并识别出关键生物标志物。偏最小二乘回归(PLSR)分析显示,这些特征与运动症状(运动障碍协会统一帕金森病评分量表[MDS-UPDRS]-III中的震颤、僵硬、运动迟缓、姿势不稳;P值<0.05)以及非运动症状(认知障碍、焦虑、抑郁、MDS-UPDRS-I中的症状;P值<0.05)存在显著相关性。研究结果强调了7特斯拉MRI和机器学习在帕金森病诊断中的潜力,同时也为理解其病理生理机制提供了新见解。这种方法有助于检测和理解帕金森病的运动和非运动表现。