×

表面电泳在阿尔茨海默病诊断中的作用。 (英语) 兹比尔1451.92177

摘要:阿尔茨海默病(AD)的临床诊断基于冗长的问卷调查和长时间的测试,这需要患者、其家人和临床医生的参与。最终,主观评估的成功取决于临床医生的专业知识。为了消除这种主观性,本研究提出了一种自动诊断AD的方法。该方法根据可量化的特征表示受试者复杂的大脑结构(由MRI捕获,这是一种安全无创的医学成像方式),然后对正常和AD受试者进行分类。它分三个阶段进行:(1)对MRI体积进行归一化,并从感兴趣区域提取灰质,灰质是AD中受影响最严重的组织。(2) Surfacelet变换是一种捕捉复杂方向细节的三维多分辨率变换,应用于体积以提取特征。然后,结合Fisher判别比、最小冗余和最大相关特征选择方法,通过选择相关和非冗余特征来减少特征。(3) 基于这些特征,使用支持向量机分类器对AD患者和正常受试者进行分类,并进行10轮10倍交叉验证。该方法的性能通过三个指标(敏感性、特异性、分类准确性)在三个数据集上计算,这些数据集是从公开可用的数据库构建的。在三个数据集上分别达到78.04%、98.00%和84.37%的分类准确率。通过使用上述三种性能指标以及接收机工作特性曲线、排序和统计测试,在相同的实验设置下与其他现有方法进行比较,验证了该方法的有效性。总的来说,它明显优于现有方法。这表明,所提出的方法有潜力帮助临床医生作出AD诊断的决策。

MSC公司:

92 C55 生物医学成像和信号处理
92C20美元 神经生物学

软件:

公关工具
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] A.A.Martinos生物医学成像中心。(2017年)。自由冲浪者。马萨诸塞州总医院。[在线]。2017年5月检索自http://surfer.nmr.mgh.harvard.edu/。
[2] Aggarwal,N.、Rana,B.和Agrawal,R.K.(2014)。使用MRI进行基于统计特征的阿尔茨海默病诊断。M.Sarfraz(Ed.),智能系统和多媒体技术中的计算机视觉和图像处理(第38-53页)。IGI全球。
[3] Aggarwal,N.、Rana,B.和Agrawal,R.K.(2015年a)。使用T1加权脑MRI对阿尔茨海默病进行计算机辅助诊断的3D离散小波变换。国际成像系统与技术杂志,25179-190·doi:10.1002/ima.22135
[4] Aggarwal,N.、Rana,B.和Agrawal,R.K.(2015b)。结合双树离散小波变换和最小冗余最大相关法诊断阿尔茨海默病。国际生物信息学研究与应用杂志,11(5),433-461·doi:10.1504/IJBRA.2015.071944
[5] 协会,老年痴呆症。(2012). 2012年阿尔茨海默病的事实和数据。阿尔茨海默病和痴呆,8(2),131-168·doi:10.1016/j.jalz.2012.02.001
[6] Beheshti,I.、Demirel,H.、Matsuda,H.和Initiative,A.D.N.(2017)。使用特征排序和遗传算法从结构磁资源成像对阿尔茨海默病进行分类并预测轻度认知损伤到阿尔茨海默氏病的转化。生物学和医学中的计算机,83109-119·doi:10.1016/j.compbiomed.2017.02.011
[7] Bellman,R.(1961年)。自适应控制过程:有向导的参观。普林斯顿:普林斯顿大学出版社·Zbl 0103.12901号 ·doi:10.1515/9781400874668
[8] Bouckaert,R.R.和Frank,E.(2004)。评估用于比较学习算法的显著性测试的可复制性。在澳大利亚悉尼举行的亚太知识发现和数据挖掘会议(PAKDD)上。
[9] Bron,E.E.,Smits,M.,Niessen,W.J.,Klein,S.,&Initiative,A.D.N.(2015)。基于SVM权重向量的痴呆分类特征选择。IEEE生物医学与健康信息学杂志,19(5),1617-1626·doi:10.1109/JBHI.2015.2432832
[10] Cortes,C.和Vapnik,V.(1995年)。支持向量网络。机器学习,20(3),273-297·Zbl 0831.68098号
[11] Desikan,R.S.、Cabral,H.J.、Hess,C.P.、Dillon,W.P.、Glastonbury,C.M.、Weiner,M.W.等人(2009年)。自动MRI测量可识别轻度认知障碍和阿尔茨海默病患者。《大脑》,132(8),2048-2057·doi:10.1093/brain/awp123
[12] Duin,R.、Juszcak,P.、Paclik,P..、Pekalska,E.、De Ridder,D.和Tax,D.(2004)。PrTools:用于模式识别的Matlab工具箱。代尔夫特理工大学。[在线]。2004年1月检索自http://www.prtools.org。
[13] Fawcett,T.(2006)。ROC分析简介。模式识别字母,27(8),861-874·doi:10.1016/j.patrec.2005.10.010
[14] 耿平、姜浩、张中、郑十(2012)。一种基于块匹配和分组的三维曲面变换视频去噪方法。计算机杂志,7(5),1130-1134·doi:10.4304/jcp.7.5.1130-1134
[15] Kloppel,S.、Stonnington,C.M.、Chu,C.、Draganski,B.、Scahill,R.I.、Rohrer,J.D.等人(2008年)。阿尔茨海默病MR扫描的自动分类。大脑,131(3),681-689·doi:10.1093/brain/awm319
[16] Lu,Y.M.和Do,M.N.(2007)。多维定向过滤器组和表面过滤器。IEEE图像处理汇刊,16(4),918-931·doi:10.1109/TIP.2007.891785
[17] Magnin,B.、Mesrob,L.、Kinkingnéhun,S.、Issac,M.P.、Colliot,O.、Sarazin,M.等人(2009年)。基于支持向量机的全脑解剖MRI阿尔茨海默病分类。神经放射学,51(2),73-83·doi:10.1007/s00234-008-0463-x
[18] Mahanand,B.S.、Suresh,S.、Sundararajan,N.和Kumar,M.A.(2012年)。使用自适应资源分配网络识别导致阿尔茨海默病的大脑区域。神经网络,32,313-322·doi:10.1016/j.neunet.2012.02.035
[19] Maldjian,J.A.、Laurienti,P.J.、Kraft,R.A.和Burdette,J.H.(2003)。一种基于神经解剖和细胞结构图谱的fMRI数据集自动查询方法。神经影像,19(3),1233-1239·doi:10.1016/S1053-8119(03)00169-1
[20] Mallat,S.G.(1989)。多分辨率信号分解理论:小波表示。IEEE模式分析和机器智能汇刊,11(7),674-693·兹比尔0709.94650 ·数字对象标识代码:10.1109/34.192463
[21] Marcus,D.S.、Wang,T.H.、Parker,J.、Csernansky,J.G.、Morris,J.C.和Buckner,R.L.(2007年)。开放获取成像研究系列(OASIS):年轻人、中年人、非骨水泥患者和痴呆老年人的横断面MRI数据。认知神经科学杂志,19(9),1498-14507·doi:10.1162/jocn.2007.19.9.1498
[22] Nestor,S.M.、Rupsingh,R.、Borrie,M.、Smith,M.和Accomazi,V.、Wells,J.L.等人(2008年)。心室扩大作为阿尔茨海默病进展的一种可能测量手段,已通过阿尔茨海默氏病神经成像倡议数据库的验证。大脑,131(9),2443-2454·doi:10.1093/brain/own146
[23] Papakostas,G.A.、Savio,A.、GrañA,M.和Kaburlasos,V.G.(2015)。一种基于MRI数据的阿尔茨海默病计算机辅助诊断的网格计算方法。神经计算,150,37-42·doi:10.1016/j.neucom.2014.02.076
[24] 彭海川、龙凤、丁川(2005)。基于最大相关性、最大相关性和最小冗余的互信息准则的特征选择。IEEE模式分析和机器智能汇刊,27(8),1226-1238·doi:10.1109/TPAMI.2005.159
[25] Previtali,F.、Bertolazzi,P.、Felici,G.和Weitschek,E.(2017年)。一种通过磁共振成像分析自动分类阿尔茨海默病患者的新方法和软件。生物医学中的计算机方法和程序,143,89-95·doi:10.1016/j.cmpb.2017.03.006
[26] Savio,A.、Garcia Sebastian,M.T.、Chyzyk,D.、Hernandez,C.、Grana,M.、Sistiaga,A.等人(2011年)。基于VBM提取特征向量的神经认知障碍检测。生物与医学中的计算机,41(8),600-610·doi:10.1016/j.compbiomed.2011.05.010
[27] Selesnick,I.W.、Baraniuk,R.G.和Kingsbury,N.G.(2005)。双树复小波变换。IEEE信号处理杂志,22(6),123-151·doi:10.1109/MSP.2005.1550194
[28] Tzourio-Mazoyer,N.,Landeau,B.,Papathanassiou,D.,Crivello,F.,Etard,O.,Delcroix,N.等人(2002年)。使用MNI MRI单个受试者大脑的宏观解剖分割,自动标记SPM中激活的解剖结构。《神经影像》,第15期,第273-289页·doi:10.1006/nimg.2001.0978
[29] 美国国家老龄研究所。(2005). 2004-2005年阿尔茨海默病进展报告。国家卫生研究院(NIH):贝塞斯达。
[30] Wanga,H.、Yuanb,H.,Shua,L.、Xieb,J.和Zhanga,D.(2004)。阿尔茨海默病患者海马和杏仁核T2松弛时间延长。《神经科学快报》,363(2),150-153·doi:10.1016/j.neulet.2004.03.061
[31] Webb,A.R.(2002)。统计模式识别(第二版)。霍博肯:威利·Zbl 1102.68639号 ·数字对象标识代码:10.1002/0470854774
[32] Wellcome-Trust中心神经成像。(2009). SPM8-统计参数映射。伦敦大学学院。[在线]。2009年4月检索自网址:http://www.fil.ion.ucl.ac.uk/spm/software/spm8/。
[33] Zhang,Y.,Wang,S.,Phillips,P.,Dong,Z.,Ji,G.,&Yang,J.(2015)。使用3D-DWT和WTA-KSVM(由PSOTVAC训练)基于结构容积MR图像检测阿尔茨海默病和轻度认知功能障碍。生物医学信号处理与控制,21,58-73·doi:10.1016/j.bspc.2015.05.014
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。