基于PiB PET图像感兴趣区域的阿尔茨海默症计算机辅助分析

摘要：

阿尔兹海默症(AD)是一种不可逆的神经退行性疾病,PiB PET成像技术可用于AD的早期诊断.但是,目前临床基于PiB PET图像的AD诊断主要依靠医生视觉评估分析,其缺点为依赖医生经验且耗时,无法实现对患者病情的客观追踪,因此提出一种基于PiB PET图像的计算机辅助分析方法(CAAD)实现AD诊断.使用基于阈值先验的3D格子玻尔兹曼技术分割ROIs,采用主成分分析(PCA)技术提取图像特征,最终采取基于支持向量机(SVM)多项式核模型对特征进行分类.通过对ADNI数据库和上海市华山医院PET中心的149个样本的PiB PET数据进行对比实验,该方法对于ROIs的分割后Dice系数平均准确率为91.53％ ±3.0％,最终对AD和正常老年组(HC)、轻度认知障碍组(MCI)和HC、AD/MCI和HC的分类准确率分别达到87.01％、93.04％和91.95％.与现有文献的AD计算机辅助诊断相比,所提出CAAD方法的准确率高出约10％.实验结果表明,该方法能够很好地对AD、MCI和HC进行分类.

关键词：阿尔茨海默症、PiB PET图像、图像分割、机器学习、计算机辅助诊断CAAD

所属期刊栏目：35

分类号：R318(医用一般科学)

资助基金：教育部留学回国人员科研启动基金[2014]1685;上海市高校青年教师培训资助计划

在线出版日期：2017-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：641-647