使用特征融合在认知和感觉大脑区域的阿尔茨海默病的多层次分析

科学领域:

• 神经成像是一种神经成像.
• 生物标志物发现发现
• 阿尔茨海默氏症疾病研究研究

背景情况:

• 阿尔茨海默病 (AD) 检测依赖于识别大脑结构和功能中的微妙变化.
• 多模式神经成像通过结合各种数据来源,为早期阿尔茨海默病诊断提供了潜力.
• 了解性别特异性差异和肥胖等并发症对于准确预测AD至关重要.

研究的目的:

• 开发和验证用于早期发现阿尔茨海默病的多尺度特征融合框架.
• 调查结合MRI和PET的纹理特征,体积和SUVR的实用性.
• 分析性别特异性差异和肥胖对AD生物标志物的影响.

主要方法:

• 从MRI和PET中提取了2D灰色水平共发生矩阵 (2D-GLCM) 的纹理特征,体积和标准化吸收值比率 (SUVR).
• 采用线性支向量机,线性判别分析,逻辑回归 (LR) 和随机梯度下降 (LRSGD) 的逻辑回归来进行特征重要性分析.
• 使用概率神经网络分类器验证的结果.

主要成果:

• 大脑纹理特征,特别是记忆区域,对于AD检测至关重要.
• 在大脑区域中观察到各种生物标志物的重要性有显著的性别特异.
• 确定肥胖是影响AD预测模型的一个因素,特别是影响语音和视觉区域的大脑体积.

结论:

• 多级特征融合增强了早期AD检测能力.
• 性别特定的生物标志物模式和肥胖的影响为个性化的AD诊断提供了关键的见解.
• 这项研究为高级认知障碍分类策略提供了基础.