基于PET评估脑动脉缺血模型造模质量
来源：神经小灵通 ，作者神经科学通报

在本文中，研究人员提出一种用图像特征提取的方法，通过支持向量机（support vector machine, SVM）来自动判断大鼠MCAO成功与否。研究人员采用了尺度不变特征变换（scale-invariant feature transform, SIFT）。SIFT特征的其中一个优点是对图像亮度变化保持不变，因此不需要对PET图像进行亮度归一化（intensity normalization）。同时，在提取特征之前对所有图像先进行预处理，使得每一张图像都配准到相同的空间。研究人员选取了固定的特征点来提取特征，然后通过SVM训练出分类器可以对新的大鼠PET图像进行判断。图2展示了从图像预处理到特征提取的全部过程。

通过图像特征判断MCAO的成功与否具备以下优势：
1）训练数据在交叉检验下达到98%的准确率，拥有TTC染色的验证数据达到100%准确率，独立实验的测试数据达到92%的准确率；
2）整个过程自动化，可以帮助消除人为判断带来的误差；
3）利用SIFT特征对亮度变化保持不变的特点，可以避免传统方法中亮度归一化带来的误差；
4）判断MCAO只需要手术之后的图像，而不需要在术前拍摄基线图像（baseline image）；
5）新方法的使用非常灵活。对于数据量不足的研究者可以直接下载使用我们训练好的分类器。对于自身数据充足的研究者可以参照我们提供的流程使用自己的图像进行训练和判断。
--
FROM 59.41.66.*