基于海马磁共振波谱的阿尔兹海默病自动识别方法研究
目的:研究阿尔兹海默病(Alzheimer disease,AD)和轻度认知障碍(Mild cognitiveimpairment,MCI)患者海马区多体素磁共振波谱数据的自动识别方法,为AD和MCI的鉴别诊断提供辅助信息.方法:采集32例AD病人、30例MCI病人和42例正常老年人的海马区多体素磁共振波谱数据,提取N-乙酰天门冬氨酸(NAA)/肌酸复合物(Cr)、肌醇(mI)/Cr、mI/NAA的值作为输入特征创建支持向量机(support vector machine,SVM)自动分类模型,对数据集样本所属类别进行预测并给出分类准确性等评价指标.结果:SVM分类模型能够对AD患者、MCI患者和正常老年人三类人群的海马多体素磁共振波谱进行分类识别,分类准确率达到86.54％.结论:海马磁共振波谱对AD和MCI的早期诊断具有重要意义,基于磁共振波谱的SVM分类模型的分类结果能够为AD和MCI的早期诊断提供辅助信息.
阿尔兹海默病 轻度认知障碍 磁共振波谱 自动识别 支持向量机
张月 万遂人 孙钰 张冰
医学电子学实验室,生物科学与医学工程学院,东南大学,南京,210096 南京大学医学院附属鼓楼医院影像科,南京,210008
国内会议
南京
中文
1-5
2015-10-16（万方平台首次上网日期，不代表论文的发表时间）