基于直方图的功能在脑MRI中跟踪阿尔茨海默氏症的进展

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 计算机科学 计算机科学

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性痴呆症,其特征是神经退行,粉样质斑块和神经纤维状结.
• 早期发现AD对于患者的结果至关重要,磁共振成像 (MRI) 在评估神经退行方面发挥着关键作用.
• 目前的计算机辅助诊断工具在区分早期痴呆症阶段方面面临着挑战,原因是重叠的特征.

研究的目的:

• 开发一种自适应的多值算法,用于识别和跟踪阿尔茨海默病中神经退行症的进展.
• 从MRI数据中定义用于量化神经退行阶段的新特性.
• 评估拟议的算法和功能在分类痴呆症不同阶段的有效性.

主要方法:

• 开发了一个基于光滑直方图形形态的自适应式多值算法.
• 诸如灰色/白色物质体积,统计时刻,收缩和几何测量等特征都是通过数学推导的.
• 使用多个机器学习分类器 (决策树,SVM,naive Bayes,KNN,Ensemble,神经网络) 来进行评估.

主要成果:

• 拟议的算法成功定义了能够识别神经退行症的特征.
• 由此产生的特征使得可以通过不同的阶段追踪疾病的进展:非,非常温和,温和和中度.
• 实验结果表明,使用开发的方法成功标记了神经退行阶段.

结论:

• 开发的自适应式多值算法和衍生特征显示出在阿尔茨海默病中精确地分阶段神经退行症的前景.
• 这种方法可以帮助临床医生在早期诊断和监测疾病进展.
• 该方法提供了一种定量工具,用于评估阿尔茨海默病对大脑的影响.