| 基于MR和PET成像的轻度阿尔茨海默病分类方法 |
| |
| 引用本文： | 朱旭艳,余洪山,赵科,隆晓菁,陈书中.基于MR和PET成像的轻度阿尔茨海默病分类方法[J].电子测量与仪器学报,2013(9):850-858. |
| |
| 作者姓名： | 朱旭艳 余洪山 赵科 隆晓菁 陈书中 |
| |
| 作者单位： | [1]湖南大学电气与信息工程学院,长沙410082 [2]中国科学院深圳先进技术研究院劳特伯生物医学成像研究中心,深圳518055 [3]东北大学中荷生物医学与信息工程学院,沈阳110819 |
| |
| 基金项目： | 国家自然科学基金（61005068）、国家自然科学基金重点（60775047）资助项目 |
| |
| 摘 要： | 提出了一种能准确分割与阿尔茨海默病相关的脑部区域的方法。首先，制作了最符合样本的模板；其次，在MR特征采集上，充分利用图像配准产生的形变场信息；接着，在处理PET图像时，先将其互配准到同一个体的MR图像上；最后，将提取出的各脑区特征用支持向量机分类。用全脑分类正确率为MR：0．8736，PET：0．9195，0．3MR＋0．7PET：0．8621；灰质正确率为MR：0．8736，PET：0．9195，0．3MR＋0．7PET：0．8621；双样本t检验正确率为MR：0．8391，PET：0．9195，0．3MR＋0．7PET：0．8966。在用大脑皮层分区进行分类时，MR的内嗅区皮质正确率最高（0．8391），PET的楔前叶正确率最高（0．9195），0．3MR＋0．7PET的内嗅区皮质正确率最高（0．9425）。试验结果表明该方法与现有方法相比，能更准确的区分轻度AD患者和正常老人，有助于AD疾病的预防及早期诊断。
|
| 关 键 词： | 磁共振（MR）成像 正电子发射断层（PET）成像 阿尔茨海默氏症（AD） 支持向量机（SVM） |
Classification method of mild Alzheimer＇s disease based on MR and PET imaging |
| |
| Zhu Xuyan,Yu Hongshan,Zhao Ke,Long Xiaojing,Chen Shuzhong.Classification method of mild Alzheimer＇s disease based on MR and PET imaging[J].Journal of Electronic Measurement and Instrument,2013(9):850-858. |
| |
| Authors: | Zhu Xuyan Yu Hongshan Zhao Ke Long Xiaojing Chen Shuzhong |
| |
| Affiliation: | 2＇ 3 ( 1. College of Electrical and Information Engineering, Hunan University, Changsha 410082, China ; 2. Paul C. Lauterbur Research Center for Biomedical Imaging, Shenzhen Institutes of Advanced Technology, Chinese Academy of Science, Shenzhen 518055, China; 3 School of Sino-Duteh Biomedicine and Information Engineering, Northeast University, Shenyang 110819, China) |
| |
| Abstract: | A method which can accurate segment areas of the brain associated with Alzheiraer＇s disease is proposed. Firstly, a template which fits for all the samples is designed. Secondly, during the acquisition of MR features, we make full use of deformation field information from the registration of images. Then, in the processing of PET ima- ges, we pre-register them to the corresponding MR images. Finally, according to features of each cerebral area, the features are classified using support vector machine. The accuracy from the whole brain is： MR： 0. 8736, PET： 0.9195, 0.3 MR ＋ 0.7PET： 0. 8621 ; from the gray matter is： MR： 0.8736, PET： 0.9195, 0.3MR ＋ 0.7PET： 0. 8621 ; and from the two sample t-test is： MR： 0. 8391, PET： 0. 9195, 0.3MR ＋0.7PET： 0. 8966. When the classification is carried out using cerebral cortical areas, the highest image accuracy in entorhinal cortex of MR is 0. 8931, the highest image accuracy in preeuneus of PET is 0.9195, and the highest image accuracy in entorhinal cortex of 0.3MR ＋ 0.7PET is 0. 9425. The experimental resuhs show that compared with existing methods, this method can distinguish mild AD patient and normal elder more accurately, and which will help to prevent and early diagnose AD. |
| |
| Keywords: | magnetic resonance（MR） positron emission tomography （PET） Alzheimer＇s disease （AD） supportvector machine （SVM） |
| 本文献已被 维普 等数据库收录！ |
|
