基于结构磁共振成像海马多特征组合的阿尔茨海默病分类新方法

本文提出了一种利用结构磁共振图像多特征组合的阿尔茨海默病(AD)分类新方法。首先,利用FreeSurfer软件进行海马分割及皮层厚度、体积测量。然后,采用直方图、梯度、灰度共生矩阵及游程长度矩阵提取海马三维纹理特征,选取AD、MCI及NC三组间均具有显著差异的参数,与MMSE评分进行相关性研究。最后,利用极限学习机,对AD、MCI及NC进行分类识别。结果显示,无论左侧还是右侧,纹理特征相比于体积特征可以提供更好的分类结果;纹理、体积和皮层厚度互补的特征参量具有更高的分类识别率,且右侧(100%)分类正确率高于左侧(91.667%)。结果表明三维纹理分析可反映AD及MCI患者海马结构的病理变化,并且结合多特征的分析更能反映AD与MCI的认知障碍实质差别,更有利于临床鉴别诊断。     

基于磁共振图像海马三维纹理特征的阿尔茨海默病及健康对照的分类研究

利用磁共振(MR)图像对阿尔茨海默病(AD)和健康对照(NC)进行分类识别,比较双侧海马在分类识别中的意义。选取AD患者和NC各25人,采用灰度共生矩阵和游程长矩阵提取每位受试者的海马部位的三维纹理特征。通过筛选得到组间存在显著差异的纹理特征参量,对主成分分析、线性判别分析和非线性判别分析3种方法得到的识别结果进行比较。利用反向传播(BP)神经网络建立识别模型,对AD和NC进行分类识别,采用相关性分析比较双侧海马纹理参数与简明智力状态检查(MMSE)评分的相关性。结果显示使用神经网络模型的非线性判别分析的分类识别正确率最高,右侧海马分类识别的正确率均高于左侧。两侧海马的纹理特征与MMSE评分均具有相关性且右侧海马的相关性系数均大于左侧。利用三维纹理特征的神经网络模型可分类识别AD组和NC组,并且采用右侧海马进行分类识别可能更有利于AD的诊断。     

基于三维打印及三维数据校正的骨折复原技术在股骨近端骨折治疗中的应用

目的 探讨三维(3D)打印的股骨近端骨折复原模型在术前规划与术中的应用,研究3D数据校正方案临床应用的可行性。方法 纳入2015年10月—2017年9月江苏省溧阳市人民医院骨科47例股骨近端骨折患者,按照左右两侧股骨自身配对方案,采用三层面长短轴对照方法进行前瞻性研究。所有病例行双侧股骨全长的CT扫描,获取DICOM数据,通过Mimics 15.0软件将双侧股骨远端距离膝关节髁间隆突凹5、10、15 cm处分别做3个横截面,记录符号为DF5、DF10、DF15。测量对比左右侧长轴与左右侧短轴。对于Mimics软件中股骨解剖轴线与冠状面和矢状面同时存在夹角的数据,进行3D数据校正。对47例股骨远端的左右侧3个层面(DF5、DF10、DF15)的长短轴(6对)进行数据汇总,通过Mimics 15.0软件生成3D模型的STL文件,打印出实际尺寸的股骨近端骨折模型和健侧股骨近端镜像模型,该镜像模型作为术前演练及手术解剖复位的参考,术中使用预演选取的置入物并术后摄片对比。结果 成对样本的相关系数均＞0.97;左右两侧股骨远端距离髁间隆突5 cm处的右侧短轴(28.20±3.41) mm,左侧短轴(28.54±3.51) mm,差异有统计学意义(t=3.404, P＜0.01),其余5对左右侧差异无统计学意义(P值均＞0.05)。47例患者均进行了手术治疗,术后复查X线,显示置入物选择与螺钉长度与术前设计符合,长度偏差在容许范围,内固定满意。结论 采用“三层面长短轴对照”进行左右股骨对称性判断,偏差小于5%者,术中直接采用镜像模型预演的置入物,固定效果满意,达到了术前规划,术中应用的预期目的。“三维数据校正方案”扩充了“三层面长短轴对照”的数据选取范围,有效避免了因肢体倾斜导致的数据失效问题。     

健康体检成人基底动脉弯曲的磁共振血管成像影像解剖学特征

目的 探讨健康成人基底动脉弯曲的MR血管成像(MRA)表现及其解剖因素。方法 回顾性研究。2015年3月—2016年5月,北京丰台医院健康体检成人MRA检出基底动脉弯曲160例,其中男99例、女61例,年龄30~65岁。在基于MRA重建的最大密度投影(MIP)图像上观察基底动脉及椎动脉颅内段的形态、走行。应用SPSS 16.0软件,采用χ²检验比较健康人群基底动脉弯曲在椎动脉优势、椎动脉走行及汇合点变异间的分布差异性。结果 MRA检出基底动脉弯曲160例中,104例(65.0%)基底动脉右侧凸弯,56例(35.0%)基底动脉左侧凸弯,基底动脉右侧凸弯型占比多于左侧凸弯型。104例基底动脉右侧凸弯中84例(80.8%)为左优型椎动脉,56例基底动脉左侧凸弯中23例(41.1%)为右优型椎动脉,不同基底动脉弯曲类型间左优型与右优型椎动脉占比的差异有统计学意义(P＜0.017)。基底动脉右侧凸弯不伴左侧椎动脉优势型20例中,双侧椎动脉汇合前走行不对称者13例(65.0%)、对称者7例(35.0%),双侧椎动脉汇合点偏左侧8例(40.0%)、偏右2例(10.0%)、居中10例(50.0%);基底动脉左侧凸弯不伴右侧椎动脉优势型33例中,椎动脉汇合前走行不对称者23例(69.7%)、对称者10例(30.3%),双侧椎动脉汇合点偏左侧13例(39.4%)、偏右6例(18.2%)、居中14例(42.4%),两组间双侧椎动脉走行及汇合点位置差异均无统计学意义(P值均＞0.05)。结论 基底动脉弯曲的健康成人多伴发椎动脉优势变异;因其特殊的血流动力学特点,椎动脉优势可能是引发基底动脉弯曲的解剖学因素之一。     

基于MR图像纹理特征的阿尔茨海默病分类模型

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。     

基于多参数MR的影像组学融合模型术前预测宫颈鳞癌脉管浸润的应用价值

目的 探讨基于多参数MR的影像组学融合模型术前预测宫颈鳞癌脉管间隙浸润（LVSI）的应用价值。方法 回顾性研究。纳入2016年6月—2019年3月山西省肿瘤医院宫颈鳞癌患者168例。患者年龄22~76（52.0±10.1）岁,临床分期为国际妇产联盟（FIGO）ⅠB期127例、ⅡA期41例。所有患者术前行多参数盆腔MR扫描,均接受根治性子宫切除术联合盆腔淋巴结清扫术治疗。收集其临床病理资料和多参数MRI数据,以7∶3的比例按照随机抽样法分为训练集117例和验证集51例。在T₂加权像（T₂WI）、表观弥散系数[ADC,由2个b值的弥散加权成像数据自动生成]及增强T₁加权像（cT₁WI）3个序列的MRI上,对病灶进行手动分割勾画肿瘤轮廓感兴趣区（ROI）,得到三维感兴趣区（VOI）并提取特征,通过以最大相关最小冗余和最小绝对收缩与选择算子回归为主的三步降维法筛选特征并构建影像组学模型。多因素logistic回归分析筛选临床特征并联合影像组学模型建立融合模型,制作列线图。受试者操作特征曲线（ROC 曲线）、校正曲线、决策分析曲线评估列线图的效能及临床效益。结果 术后病理检查确诊LVSI阳性42例,阴性126例。训练集与验证集患者的年龄、FIGO分期、肿瘤最大径、肿瘤分化程度、LVSI状态等临床病理特征比较,差异均无统计学意义（P值均>0.05）。基于T₂WI、ADC及cT₁WI多参数MRI提取的影像组学特征,经特征筛选后得到7个关键特征,均与宫颈癌LVSI相关（P值均<0.05）,并构建影像组学模型。训练集T₂WI、ADC及cT₁WI 3个序列独立构建的影像组学模型预测宫颈癌LVSI的ROC曲线下面积（AUC）分别为0.630[95%可信区间（CI）0.557~0.698]、0.686（95%CI 0.563~0.694）、0.761（95%CI 0.702~0.818）,3个序列共同构建的联合影像组学模型对应的AUC为0.887（95%CI 0.842~0.925）,诊断效能最优,并在验证集中得到验证。联合影像组学模型与肿瘤分化程度构建的融合模型列线图预测宫颈癌LVSI,在训练集与验证集中的AUC分别为0.893（95%CI 0.851~0.929）、0.854（95%CI 0.749~0.943）,校正曲线显示出列线图有良好的校正性能;决策曲线表明当风险阈值概率范围在0.50~0.96时,采用影像组学融合模型预测宫颈癌LVSI的净收益优于“将所有患者视为宫颈癌LVSI阳性或阴性”。结论 基于多参数MRI影像组学特征与临床特征的融合模型对宫颈癌LVSI状态有良好的预测价值。     

基于MR T2加权成像的影像组学标签预测直肠癌KRAS基因突变的价值

目的 探讨基于MR T₂加权成像(T₂WI)的影像组学标签预测直肠癌KRAS基因突变的潜在价值。方法 回顾性研究。纳入山西省肿瘤医院2017年4月—2019年4月行盆腔MR检查并具有KRAS基因检测结果的304例直肠癌患者的临床和影像资料,其中男175例、女129例,中位年龄59.6岁。按7∶3比例将患者随机分为训练组(213例)和验证组(91例)。选取每例患者的高分辨率T₂WI进行图像分割及影像组学特征提取,使用单变量统计分析为主的“五步法”进行特征降维,并分别采用多变量logistic回归、决策树(DT)以及支持向量机(SVM)三种分类算法构建影像组学标签,用于预测直肠癌KRAS基因状态。受试者操作特征(ROC)曲线、校正曲线、决策曲线分析(DCA)评估影像组学标签的预测性能及临床效益。结果 训练组和验证组患者的基线资料比较以及两组中KRAS突变型与野生型患者的临床特征比较,差异均无统计学意义(P值均＞0.05)。从每位患者的T₂WI中提取960个影像组学特征,经特征筛选后得到7个与直肠癌KRAS基因相关的特征(P值均＜0.05)。采用多变量logistic回归、DT及SVM构建的三个预测模型的ROC曲线下面积,训练组分别为0.677、0.604和0.722,验证组分别为0.626、0.600和0.682,其中SVM模型在预测KRAS基因状态方面效能最好。DCA曲线示三种预测模型均有一定的临床效益,其中SVM预测模型净收益值最大。结论 基于MR T₂WI的影像组学标签在预测直肠癌KRAS基因状态方面有一定的价值。     

基于灰度差分法的7.0 T及3.0 T MRI测量正常大鼠海马容积的对比研究

目的 评价7.0 T MRI对正常大鼠海马结构及亚区容积的检测能力。方法 40只正常Wistar大鼠分别行7.0 T 和3.0 T MRI T₂WI扫描,图像导入IMAGE J软件,利用灰度差分法辨识海马及亚区的解剖点,测得两种场强MRI海马及亚区层面积、容积并进行比较。结果 7.0 T MRI中,侧脑室、环池辨认率达100%(40/40),腹侧海马裂与下托辨认率达95%(38/40),丘脑外侧核、外侧膝状体背侧核辨认率达90%(36/40)。3.0 T MRI上只能清晰辨认双侧侧脑室及环池,不能分辨大鼠海马亚区结构。3.0 T MRI所测海马层面积左侧 (2.81±0.86) mm²、右侧 (2.77±0.80)mm²,容积左侧(56.36±5.98) mm³、右侧(55.61±6.03 )mm³;7.0 T MRI所测海马层面积左侧(3.25±0.92) mm²、右侧 (3.14±0.81)mm²,容积左侧(64.29±7.13)mm³、右侧(65.34±7.74)mm³;两者比较差异均有统计学意义(P值均<0.05)。7.0 T MRI所测海马CA1区层面积左侧为 (2.81±0.98) mm²、右侧 (2.88±0.92) mm²,容积左侧为(27.02±4.62)mm³、右侧(27.64±4.13) mm³;CA3和DG区合并计为CA3-DG区,其层面积左侧为 (4.21±1.21) mm²、右侧 (4.19±1.40)mm²,容积左侧为(38.73±4.17) mm³、右侧(38.11±5.09) mm³。结论 依据灰度差分法,大鼠海马7.0 T MRI能够准确辨认海马结构、亚区边界标志点,获得其较为可靠的容积大小,其相关数据可为此类研究提供参照和依据。     

基于眼肌语义分割和特征提取的甲状腺相关眼病诊断算法研究

目的 甲状腺相关眼病(thyroid-associated ophthalmopathy, TAO)是常见的眼病之一，通过CT图像进行诊断和筛查对治疗有着重要意义，但传统方法依赖有经验的医生对CT进行分析和诊断，尚无有效的自动化方法。为此本文提出一种可以从CT图像中自动提取特征进行TAO诊断的方法，辅助医生进行诊断。方法 设计了Unet-Orbit分割网络对CT中的眼肌进行图像分割，随后采用影像组学工具(PyRadiomics)从分割结果中的眼肌区域提取数值化特征。为了更好地利用影像组学的特征，设计了一个特征提取网络，采用自动编码器框架。将不同的眼肌提取到的特征，通过特征合并和变换进一步得到一组新特征。最后采用来自上海交通大学医学院附属第九人民医院的1 912个CT图像数据集，对使用原始影像组学特征的分类器与使用特征提取网络后的特征的分类器进行了比较。结果 在医院数据集上，该模型的诊断准确率、灵敏度和特异性分别为87.34%、84.73%和89.96%。结论 语义分割网络可以高效分割眼肌区域，特征提取网络得到的新特征可以提升多种不同分类器在TAO诊断的准确率，可能为TAO的诊断提供一个...     

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

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。     

Alzheimer病MR图像纹理和形态学特征的比较研究

目的 比较MR图像纹理分析和形态学测量方法在鉴别阿尔茨海默病（Alzheimer＇s disease,AD）患者的实际效果,探讨纹理分析技术对AD早期诊断的价值.方法 提取29例AD患者和19例健康对照者（NC）的海马纹理参数,并测量内侧颞叶最窄宽度和海马结构体积等形态学指标,在t检验基础上对纹理参数与形态学指标进行判别分析,然后采用Kappa参数值评价上述两种方法的一致性.结果 AD组与NC组间的和均值、能量等纹理参数均显著不同,右侧海马和均值与形态学测量指标内侧颞叶最窄宽度的判别准确度均为97.9%.经多元逐步判别分析,纹理参数联合判别的准确度为97.9%.纹理分析与形态学测量的Kappa值为0.957（p〈0.001）.结论 MR图像的纹理分析与形态学测量具有较好的一致性,纹理分析可能有助于AD的早期诊断.     

基于CT影像组学特征的肾肿瘤组织学亚型分类

目的在术前准确鉴别乏脂肪血管平滑肌脂肪瘤(fat-poor angiomyolipoma,fp-AML)和肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)对制定正确的治疗方案是至关重要的。为了提高fp-AML和ccRCC的分类准确率,本文提出一种基于影像组学技术的分类模型。方法回顾性地收集苏州大学附属第二医院放射科18例fp-AML患者和42例ccRCC患者的CT图像。首先,从CT图像中提取430个影像组学特征。然后,分3步进行特征选择:计算皮尔森相关矩阵剔除冗余特征;使用Welch’st检验确定具有显著差异的特征;利用序列浮动前向选择算法选择具有鉴别能力的特征。最后,建立k最近邻(k-nearest neighborhood,kNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和AdaBoost 4种分类器进行分类。结果SVM分类器所构建的模型获得了最佳分类性能,正确率、敏感度、特异性、阳性预测值、阴性预测值和ROC曲线下面积分别为91.67%、88.89%、92.86%、84.21%、95.12%和0.9418。结论本研究所构建的模型能提高fp-AML和ccRCC的分类准确率,能辅助医生进行fp-AML和ccRCC的鉴别诊断。     

Hippocampus and entorhinal cortex in mild cognitive impairment and early AD

Magnetic resonance imaging (MRI) has been suggested as a useful tool in early diagnosis of Alzheimer's disease (AD). Based on MRI-derived volumes, we studied the hippocampus and entorhinal cortex (ERC) in 59 controls, 65 individuals with mild cognitive impairment (MCI) and 48 patients with AD. The controls and individuals with MCI were derived from population-based cohorts. Volumes of the hippocampus and ERC were significantly reduced in the following order: control > MCI > AD. Stepwise discriminant function analysis showed that the most efficient overall classification between controls and individuals with MCI subjects was achieved with ERC measurements (65.9%). However, the best overall classification between controls and AD patients (90.7%), and between individuals with MCI and AD patients (82.3%) was achieved with hippocampal volumes. Our results suggest that the ERC atrophy precedes hippocampal atrophy in AD. The ERC volume loss is dominant over the hippocampal volume loss in MCI, whereas more pronounced hippocampal volume loss appears in mild AD.     

Volume reduction of the entorhinal cortex in subjective memory impairment

To examine the biological basis of subjective memory impairment (SMI), defined as the feeling of memory worsening with normal memory performance, we measured the volume of the entorhinal cortex (EC) and the hippocampus in SMI subjects, patients with mild cognitive impairment (MCI), patients with Alzheimer's disease (AD) and healthy controls (CO). Compared with controls, the EC was smaller in the SMI group (left: p = 0.060; right: p = 0.045) and in the other two groups in the following order: CO > SMI > MCI > AD. The same sequence was observed with regard to hippocampal volumes, but the volume reduction of the left hippocampus in the SMI group only reached a trend towards significance (p = 0.072) and the right was not significantly smaller compared with controls (p = 0.37). Compared with controls the average (left/right) volume reduction of the EC was 18% (SMI), 26% (MCI) and 44% (AD). The mean volume reduction of the hippocampus was 6% (SMI), 16% (MCI) and 19% (AD). Our results mirror the temporal sequence of neurodegeneration in AD and support the concept of SMI as the first clinical manifestation of dementia.     

基于遗传算法和三维卷积神经网络集成模型的阿尔茨海默症早期辅助诊断

阿尔茨海默病(AD)作为一种常见的神经系统退行性疾病,其致病机制不明,尤其是对处于AD不同阶段的轻度认知障碍(MCI)患者的萎缩区域难以确定,导致误诊率偏高。为此,提出了基于3维卷积神经网络(3DCNN)和遗传算法(GA)相结合的AD早期辅助诊断模型。首先用3DCNN针对感兴趣区域(ROI)训练出候选基分类器,然后利用GA算法从中挑选出最优基分类器组合,最后集成起来进行分类,实现辅助诊断。同时,由于基分类器与脑区之间是一一对应的,进而可以找出具有显著分类能力的脑区。实验结果表明,AD与正常组(NC)的分类准确率为88.6%,转化为AD的MCI(MCIc)与NC的分类准确率为88.1%,未转化为AD的MCI(MCInc)与MCIc的分类准确率为71.3%。此外,通过对关键ROI(即脑区)所对应的行为域数据进行统计分析,GA筛选的关键脑区除了左延髓海马、左尾部海马和内外侧杏仁核、左海马旁回,还新发现了右颞中回前颞上沟、右扣带回背侧23等区域。实验得出所选脑区的功能主要影响情绪、记忆和认知等方面,这与AD患者出现的感情冷淡、记忆力下降、行动能力下降和认知水平下降等外在表现基本吻合。这些均表明所提方法是有效的。     

基于特征选择的阿尔茨海默症辅助诊断

阿尔茨海默症（AD）是一种在老年人中多发的脑部神经疾病,致病原因迄今未明,在疾病发展早期难以诊断。随着 计算机和人工智能技术的大力发展,利用磁共振成像（MRI）技术和机器学习方法辅助医生对AD进行辅助诊断不断取得 新的成果。本研究提出一种基于支持向量机递归特征消除（SVM-RFE）和线性判别分析（LDA）的AD辅助诊断方法。首 先对MRI图像进行预处理,获得90个大脑脑区的灰质体积;然后使用SVM-RFE和LDA相结合的方法,对90个大脑脑区 灰质体积进行特征选择;最后通过SVM进行分类。通过对来自于ADNI数据库中的34名AD、26名主观记忆衰退（SMC） 患者和50名正常被试（NC）的MRI图像分析,得到AD/NC、AD/SMC和NC/SMC的平均分类准确率分别为94.0%、100.0% 和93.6%。实验结果证明,本研究提出的方法可有效提取样本特征,辅助医生诊断AD。     

阿尔茨海默病患者扣带部位磁共振图像纹理特征及性别特点

目的 分析阿尔茨海默（Alzheimer＇s disease,AD）、轻度认知障碍（mild cognitive impairment,MCI）和正常对照者（normal controls,NC）MR图像扣带纹理特征,并按性别进行分组分析,探索纹理特征在疾病早期诊断上的应用.方法 利用灰度共生矩阵和游程长矩阵对52例MR图像（AD14例、MCI20例、NC18例）进行纹理分析,测试组间参数是否显著不同,并用支持向量机方法对在组间具有显著性差异的纹理特征进行分类识别.结果 与NC组相比,AD和MCI组的能量、游程长不均匀度等纹理特征在前扣带和后扣带均存在显著性差异.按性别分组的实验结果显示,除AD组和NC组间存在显著不同外,男性后扣带在MCI与NC及MCI与AD间均存在显著性差异（P〈0.05）,女性前扣带在MCI和NC组间存在显著性差异（P〈0.05）.分类识别结果显示,男性后扣带分类正确率最高,为90%.结论 MR图像纹理特征可以反映扣带病理变化,不同性别MR图像表现不同,有可能为AD的早期诊断提供帮助.     

Diagnostic utility of hippocampal size and mean diffusivity in amnestic MCI

Hippocampus atrophy is a frequent finding in mild cognitive impairment (MCI), whereas diffusion-tensor-imaging (DTI) has demonstrated its value to detect subtle brain tissue changes in several neuropsychiatric diseases including MCI. To compare the diagnostic accuracy of both methods, high resolution MRI scans for hippocampus volumetry, and co-registered DTI-scans for ROI-based mean diffusivity (MD) and fractional anisotropy (FA) were carried out in 18 patients with amnestic MCI (7 females, age 67.3+/-8.7 years, MMSE 25.2+/-2.2) and 18 controls (age 66.9+/-9.0 years, MMSE 28.7+/-1.0). Diagnostic properties of normalized hippocampus volume (HV) and DTI measures with regard to MCI status were estimated by receiver operating characteristics (ROC) analyses and logistic regression. Parameters of the left hippocampus showed superior predictive power when compared to the right. At a specificity set to 80%, left HV had low sensitivity (50%); left hippocampal MD values revealed superior sensitivity (89%), similar to left hippocampal FA (78%). The results demonstrate higher sensitivity of DTI-derived left hippocampal parameters than volume measures in detecting subtle hippocampal abnormalities related to MCI.     

不同认知功能障碍程度阿尔茨海默病患者海马、内嗅皮层体积变化及其与MMSE评分的关系

目的 探讨不同认知功能障碍程度的患者阿尔兹海默病（AD）海马、内嗅皮层体积的变化,及其与简易精神状态检查表（MMSE）评分的相关性。方法 横断面研究。纳入2017年9月—2021年9月联保部队第九六〇医院淄博院区86例AD患者临床和影像学资料,其中男54例、女32例,年龄55~87（73.9±8.1）岁。根据临床痴呆评定量表（CDR）评分将86例患者分为3组,其中36例CDR评分0.5分患者为轻度认知障碍（MCI）组,21例1分患者为轻度AD组,29例2~3分患者为中重度AD组。患者均应用MRI测量双侧海马体积、内嗅皮层体积,采用MMSE评分评估患者认知功能。观察指标：（1）比较3组患者性别、年龄、受教育年限等临床基线资料,以及MMSE评分;（2）比较3组患者海马体积和内嗅皮层体积;（3）分析AD患者MMSE评分与海马、内嗅皮层体积的相关性。结果 （1）3组患者性别、年龄、受教育年限等临床基线资料比较差异均无统计学意义（P值均>0.05）。MCI组、轻度AD组、中重度AD组患者MMSE评分依次降低,差异有统计学意义（F=113.29,P<0.001）。（2）MCI组、轻度AD组、中重度AD组左右侧海马体积MRI测量值分别为（3.24±0.32）cm³和（3.22±0.31）cm³、（2.72±0.53）cm³和（2.84±0.56）cm³、（2.31±0.55）cm³和（2.46±0.54）cm³,左右侧内嗅皮层体积分别为（1.42±0.26）cm³和（1.39±0.27）cm³、（1.28±0.24）cm³和（1.24±0.25）cm³、（1.04±0.31）cm³和（1.06±0.34）cm³。3组患者左右侧海马体积、内嗅皮层体积MRI测量值比较,均为MCI组>轻度AD组>中重度AD组,差异均有统计学意义（P值均<0.05）。（3）86例AD患者MMSE评分10~27（20.9±5.2）分,与左右两侧海马体积、内嗅皮层体积MRI测量值均呈正相关（r=0.82、0.81、0.73、0.72,P值均<0.001）。结论 随着认知功能障碍程度的加重,AD患者海马、内嗅皮层体积MRI测量值逐渐减小,且MMSE评分与海马、内嗅皮层体积存在相关性。