基于MR图像纹理特征的阿尔茨海默病分类模型

• 作者: 张凤 田思佳 郭秀花 陈斯鹏 高妮
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 阿尔茨海默病 Contourlet变换 纹理特征 高斯过程模型 轻度认知障碍
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 论著
• 页码范围: 134-138
• 页数: 5页
• 分类号: R318.04
• 字数: 3359字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2017.02.05

摘要

目的 基于MR图像,提取脑部海马区域纹理特征参数建立阿尔茨海默病(Alzheimer disease,AD)的早期分类预测模型.方法 研究数据来源于美国国立老年研究所ADNI数据库,收集研究对象的磁共振(magnetic resonance,MR)脑图像,分别基于左、右和双侧海马图像,通过区域增长法和Contourlet变换提取纹理特征参数,结合研究对象的基本信息作为特征变量采用高斯过程分类方法建立AD患者和健康对照的诊断模型以及轻度认知障碍(mild cognitive impairment,MCI)患者转变为AD的预测模型,并评价模型的灵敏度、特异度以及ROC曲线下面积.结果 研究共纳入420例研究对象.基于AD和健康对照两组构建的分类模型,双侧海马区的灵敏度、特异度以及ROC曲线下面积分别为92.7％、87.1％和0.922,均大于基于左侧或右侧海马区图像建立的模型.基于MCI数据建立的AD早期预测模型中,灵敏度最高为82.4％,ROC曲线下面积最高为0.836.结论 基于脑部海马区的Contourlet纹理特征构建预测模型,可以识别AD早期的病变情况,这将有助于早期监测MCI进展为AD,为减缓和治疗AD发病提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭秀花	首都医科大学公共卫生学院	142	1143	18.0	27.0
3	高妮	首都医科大学公共卫生学院	5	27	3.0	5.0
6	张凤	首都医科大学公共卫生学院	6	19	2.0	4.0
8	陈斯鹏	首都医科大学公共卫生学院	2	9	2.0	2.0
9	田思佳	首都医科大学公共卫生学院	3	20	3.0	3.0