基于卷积神经网络和集成学习的阿尔茨海默症早期诊断

阿尔茨海默症(AD)是一种典型的神经退行性疾病,临床上表现为失忆、丧失语言能力、丧失生活自理能力等。迄今为止,AD病因尚不明确且病程不可逆,也没有治愈的方法,因此,AD的早期诊断对于研发新型药物和措施以减缓病情发展具有重要意义。轻度认知障碍(MCI)是一种介于AD和正常老化(HC)之间的状态。研究表明,MCI患者比没有患过MCI的人更有可能发展成AD,因此,对MCI患者的准确筛查成为了AD早期诊断的研究热点之一。随着神经影像技术和深度学习的飞速发展,越来越多的研究者使用深度学习方法对大脑神经影像如磁共振影像(MRI)进行分析,用于AD的早期诊断。于是,本文提出基于卷积神经网络(CNN)和集成学习的多切片集成分类模型用于AD早期诊断。与只用单切片训练获得的CNN分类模型相比,本文采用三个维度上的多个二维切片进行训练而获得的集成分类器模型,能更充分地利用MRI包含的有效信息,从而提高分类的准确率和稳定性。     

影像与基因特征分析方法在阿尔茨海默病中的研究进展

阿尔茨海默病(AD)是一种最常见的神经退行性疾病,且已有研究证实其表型易受遗传因素的影响。近年来,随着多模态脑成像和高通量基因组学在医学影像中广泛应用,通过数据挖掘、数学建模等方法,探索影像与基因的关联分析已成为新的热点。目前,用影像与基因特征联合分析来研究AD,并在AD的早期诊断、分类和预后分析等方面该技术的应用已经取得了重大的进展。首先对影像与基因特征分析技术进行概述,然后阐述了统计学及机器学习方法在影像与基因特征联合分析中的应用,最后对该技术的发展前景进行了展望。     

脑电特征分析在阿尔茨海默症临床研究中的应用

阿尔茨海默症(AD)是典型的脑认知功能障碍性疾病,严重影响患者的工作与生活,如何早期诊断此类疾病,一直是人们关注的热点,也是一项有意义的研究。脑电信号包含的功能信息,在脑认知功能障碍的早期诊断中有着独特的优势。从AD的发病机理出发,总结AD的常规诊断方法,进一步阐述脑电特征分析方法,即脑电功率谱、脑诱发电位、脑电近似熵及脑电复杂度等在AD诊断中的应用研究现状,并进行展望。     

LightGBM算法在阿尔茨海默症结构磁共振成像分类中的应用

为更好地利用计算机技术分析阿尔茨海默症(AD)患者的大脑脑区变化,并对AD进行辅助诊断,本研究选择来自AD神经影像数据库的116名AD患者、116名轻度认知障碍患者和117名正常对照者的脑部结构磁共振成像,并利用spm软件对3组数据进行预处理和统计学相关性分析,得到差异性脑区。然后使用IBASPM软件提取病灶脑区体积作为特征样本。最后利用LightGBM算法对特征向量进行分类,并与支持向量机和XGBoost算法作对比实验。实验结果显示,利用LightGBM算法对病灶脑区的体积进行分类,准确率可达到83%。在这3种分类算法中,LightGBM更具有优势,分类结果更准确,可见,利用LightGBM算法可以有效地辅助医疗人员对AD进行早期诊断。     

基于PET成像的阿尔茨海默病研究进展

正电子发射型计算机扫描(PET)和磁共振成像(MRI)是临床中诊断阿尔茨海默病(AD)的常用方法。¹⁸F标记的氟代脱氧葡萄糖正电子发射断层扫描(FDG PET)和淀粉样蛋白正电子发射断层扫描(Aβ PET)作为PET中常用的两种诊断技术,在AD的诊断研究中发挥了重要作用。本文从诊断效果评估和辨别痴呆种类两个方面阐述FDG PET和Aβ PET以及联合成像的应用现状,并将PET与MRI相比较,总结两者诊断存在的问题,最后对AD诊断的新进展进行了展望。     

基于独立成分分析的双模态影像分类研究

本文运用信息极大化独立成分分析(ICA)分别提取结构磁共振成像(sMRI)和正电子发射断层影像(PET)的单模态特征,然后使用权重结合策略生成双模态影像特征,可提高阿尔茨海默病(AD)及轻度认知障碍(MCI)诊断准确度。AD患者与健康对照组(HC)的分类实验结果:准确度为93.75%、敏感度为100%、特异度为87.64%。MCI和HC组的实验结果:准确度为89.35%、敏感度为81.85%、特异度为99.36%。与单模态特征下的最好实验结果相比,本文提出的双模态分析方法对分类结果有显著的提高。     

基于随机森林算法的阿尔茨海默症医学影像分类

为实现阿尔茨海默症(AD)的医学影像分类,辅助医生对患者的病情进行准确判断,本研究对采集的34名AD患者、35名轻度认知障碍患者和35名正常对照组成员的功能磁共振影像进行特征提取和分类,具体思路包括:首先利用皮尔逊相关系数计算脑区之间的功能连接,然后采用随机森林算法对被试不同脑区之间的功能连接进行重要性度量及特征选择,最后使用支持向量机分类器进行分类,利用十倍交叉验证估算分类准确率。实验结果显示,随机森林算法可以对功能连接特征进行有效分析,同时得到AD发病过程的异常脑区,基于随机森林和SVM建立的分类模型对AD、轻度认知障碍的识别具有较好的效果,分类准确率可达90.68%,相关结论可以为AD的早期临床诊断提供客观参照。 【关键词】阿尔茨海默症;功能磁共振成像;随机森林;特征选择     

基于广义卷积神经网络的阿尔茨海默病多模态磁共振图像分类方法研究

阿尔茨海默病（AD）是一种进行性、不可逆的神经系统退行性疾病,基于磁共振成像（MRI）的神经影像学检查是进行AD筛查与诊断最直观、可靠的方法之一。临床上头颅MRI检测会产生多模态影像数据,为解决多模态MRI处理与信息融合的问题,本文提出基于广义卷积神经网络（gCNN）的结构MRI和功能MRI特征提取与融合方法。该方法针对结构MRI提出基于混合注意力机制的三维残差U型网络（3D HA-ResUNet）进行特征表示与分类;针对功能MRI提出U型图卷积神经网络（U-GCN）进行脑功能网络的节点特征表示与分类。在两类影像特征融合的基础上,基于离散二进制粒子群优化算法筛选最优特征子集,并使用机器学习分类器输出预测结果。来自AD神经影像学计划（ADNI）开源数据库的多模态数据集验证结果表明,本文所提出的模型在各自数据域内都有优秀的表现,而gCNN框架结合了两类模型的优势,进一步提高使用单一模态MRI的方法性能,将分类准确率和敏感性分别提升了5.56%和11.11%。综上,本文所提出的基于gCNN的多模态MRI分类方法可以为AD的辅助诊断提供技术基础。     

Alzheimer病神经心理学特点及其量表在诊断中的价值比较

目的探讨阿尔茨海默病(AD)的神经心理学特点和神经心理学量表在AD诊断中的价值,为AD诊断提供依据.方法采用常用神经心理学量表测定108例AD患者和100例正常对照组,临床痴呆评定量表(CDR)确定AD痴呆的严重程度.分析AD不同痴呆程度时神经心理学变化特点和各量表诊断的特异度、灵敏度和总的准确率.结果①总体认知功能在AD轻、中、重度阶段呈持续性减退趋势(MMSE分值分别为17.44±2.64、13.90±4.32、5.50±3.90).言语流畅性功能变化趋势与总体认知功能损害相似.视空间功能障碍在早期即出现,至中晚期明显丧失.延迟记忆功能在早期即出现衰退,在中、重度阶段已明显衰退.即刻记忆功能早期损害不明显,中期出现,至晚期才明显减退.日常生活能力和社会活动能力在AD不同阶段均呈进行性损害,但社会活动能力损害进展更快.②判别分析各量表总准确率依次为FOM＞RVR＞POD＞MMSE＞BD＞ADL＞DS.ROC曲线下面积依次为FOM＞RVR＞POD＞ADL＞MMSE＞BD＞DS.③MMSE和FOM、RVR、BD、DS中一个或一个以上量表联合应用时,AD诊断的效度明显增高.结论神经心理学测验有助于AD诊断.MMSE和其他量表联合应用可以提高AD诊断的效度.     

Alzheimer病事件相关电位P300的研究进展

AD是老年期痴呆的主要类型之一。认知功能障碍是AD的核心症状。P300对AD的认知评价有重要作用。Goodin(1978)最早报道了AD的P300波幅下降,主要成分P3潜伏期延长。作者还首次提出将P300作为诊断AD的指标,其中P3潜伏期在诊断痴呆中准确率达80％。 P300在临床上反应痴呆的敏感度优于简易精神状况检查得分,目前已广泛应用于AD的诊断,以及治疗效果的评价。国外研究认为P300潜伏期延长可作为临床预测早期认知减退的依据。国内研究提示, AD患者ERP的典型改变为：N2、P3波潜伏期较对照组延长,P3波幅降低。 P300作为患者认知状况评价方法,可能早期发现患者的认知障碍,有利于 AD的早期诊断与治疗。     

Alzheimer's病诊断学研究进展(文献综述)

阿尔茨海默病(Alzheimer's disease,AD)被认为是本世纪老年人最主要的健康问题之一.AD是一种脑部进行性神经退变性疾病,病因至今尚未完全清楚;AD的诊断基于临床资料,大多为主观指标,准确度81%～88%[1],检验、电生理检查无特异性,影像学手段以单光子发射断层摄影(SPECT),正电子发射断层摄影(PET)及核磁共振技术.CT由于其局限性目前已很少应用.除此之外,近期研制成功了放射免疫β-AP试剂盒,这对于AD病因的探讨及早期诊断问题给予很大的帮助. AD的临床表现是一种与年龄相关的神经系统变性病变;以进行性记忆减退,语言和行为障碍为特点;病理特征为大脑皮层及脑区的纤维蛋白沉积,即细胞外间隙的β淀粉样蛋白(β-amyloid,Aβ)和细胞内多聚Tau蛋白的沉积,两者在病理形态学上分别表现为老年斑(senile plaques,SP)和神经纤维缠结(NFT).Aβ在AD病因研究中证实了它的神经毒性作用.     

正电子核素标记的前列腺特异性膜抗原小分子抑制剂在前列腺癌PET/CT中的研究进展

前列腺癌是男性泌尿生殖系统中最为常见的肿瘤,其病死率仅次于肺癌。前列腺特异性膜抗原(PSMA)特异且高表达于前列腺癌细胞表面,因而成为前列腺癌诊断和治疗中较为理想的作用靶标,极具临床研究价值。正电子发射断层扫描/计算机断层扫描(PET/CT)是一种将功能代谢信息和解剖结构信息相结合的新型分子影像设备,对肿瘤诊断效能卓越。本文重点综述了国内外正电子放射性核素标记的靶向PSMA的小分子抑制剂在前列腺癌PET/CT的早期诊断、术前分期、疗效评估、复发和转移探测的研究进展,并对其发展前景进行展望。     

药物脑电图在阿尔茨海默病诊治中的应用

阿尔茨海默病(AD)是中枢神经系统慢性进行性变性性疾病,主要病变部位在大脑皮质,以渐进性记忆力减退、认知功能障碍、人格改变及语言障碍等神经精神症状为特征。寻求AD早期诊断的敏感、客观指标成为目前研究的热点。Gueguen等对现行诊断痴呆的辅助方法进行综述,认为在诊断痴呆方     

帕金森病诊断技术进展

帕金森病早期临床表现不典型,但如能早期诊断帕金森病,应用保护性治疗,如应用保护黑质神经元药物等有可能减缓病程进展。结合最近几年国外对本病早期诊断技术的新进展做一综述。单光子发射计算机体层扫描（SPECT）及正电子发射计算机体层扫描（PET）对多巴胺神经元末梢功能的检测是目前诊断帕金森病最敏感的指标。应用磁共振波谱（^3H-MRS）测定脑内代谢物的浓度,可以了解脑组织的代谢及神经元的功能改变。同时磁共振成像（MRI）及弥散加权成像（DWI）亦能对早期诊断及鉴别诊断帕金森病起一定的作用。经颅超声成像技术（TCS）是一种新的非侵入性超声成像技术,发现PD患者的黑质（SN）区有回声增强,认为这些回声增强区的性质与SN区的铁含量增高有关。     

乳腺钼靶X线影像中结构扭曲检测技术研究的进展

乳腺癌是全球女性发病率最高的恶性肿瘤,通过筛查实现早期发现、早期诊断和早期治疗对降低乳腺癌死亡率至关重要。乳腺钼靶X线摄影术是目前最普遍适用的乳腺癌筛查方法。有效检测乳腺钼靶X线影像中的结构扭曲病灶有利于提高筛查的质量和效率。就目前乳腺钼靶X线影像中结构扭曲检测技术的研究现状、存在的问题和发展趋势进行了综述。     

MRI分子探针在阿尔茨海默病诊断的应用

淀粉样斑块是阿尔茨海默病(Alzheimer's disease,AD)早期最具特征性的病理改变,因此它可以作为早期诊断AD的重要指标,但传统的磁共振成像技术并不能很好探测AD的早期病理学改变。Aβ是淀粉样斑块的核心成分,它与某些特定化合物如硫磺素衍生物和刚果红衍生物等具有较强的亲和力,也能与一些多肽以及Aβ抗体结合,研制成基于相关化合物的分子探针,并把此类探针与磁共振成像技术相结合探测AD患者脑内的淀粉样斑块。本文就目前用于AD诊断的MRI分子探针的研究进展进行综述。     

现代核医学技术

核医学功能代谢显像是现代医学成像重要组成内容之一,其显像原理与X线、B超、计算机体层摄影(CT)和核磁共振(MR)等检查截然不同(见表),它通过探测器接收并记录引入体内靶组织或器官的放射性示踪剂发射的核射线,并以影像的方式显示出来,不仅可以显示脏器或病变的位置、形态、大小等解剖学结构,更重要的是可以同时提供有关脏器和病变的血流、功能、代谢或受体密度,甚至是分子水平的化学信息,因此有助于疾病的早期诊断,也是核医学在当前面临现代先进医学影像技术严峻挑战下得以生存并持续发展的根本所在[1].     

关于举办全国神经电生理学及影像学新进展研讨会及讲习班的通知

随着医学、电子工程学和计算机学的发展，神经电生理学及影像学有了很大的进展，新的诊断技术和理论不断问世，例如：脑像斟、磁源性影像技术、功能磁共振成像术以及诱发电位地形图等等．这对疾病的早期诊断和早期治疗可提供可靠的依据，也是当前国内外研究的热点。     

精神分裂症的磁共振影像学研究进展

精神分裂症是一种常见的重性精神疾病,常有感知觉、思维、情感、行为等多方面障碍,主要表现为精神活动的不协调,认知功能损害是其核心症状之一。近年来,非侵入式磁共振影像技术被广泛应用于精神分裂症的研究,它可以定量化分析大脑的结构形态和功能活动,有助于阐明精神分裂症的神经病理学机制,并为疾病的早期诊断提供可靠的客观依据。本文综述了近年来结构磁共振成像、弥散张量成像、静息态功能磁共振成像等技术和人脑连接组分析方法在精神分裂症中的应用。     

基于卷积循环神经网络的阿尔茨海默症早期诊断

早期准确诊断能延迟阿尔茨海默症(Alzheimer′s disease,AD)病情的恶化。磁共振成像(MRI)和正电子发射断层扫描(PET)已被证明有助于了解AD相关的解剖和功能性神经变化。近期研究表明,多模态特征的融合可以提高分类性能。本研究提出了一种基于卷积循环神经网络的多模态数据分类新框架,新框架结合了2D卷积神经网络和循环神经网络,以学习3D MRI和3D PET图像切分为2D切片序列之后的切片内、切片间特征,完成AD的早期诊断。本研究方法在AD与NC的分类实验中ACC为93.3%,AUC为98.1%;在MCIc与NC的分类实验准确率为83.8%,AUC为91.9%;MCIc与MCInc的分类实验准确率为79.0%,AUC为88.9%。结果表明该方法具有良好的分类性能。