基于MR和PET成像的轻度阿尔茨海默病分类方法

Journal of Electronic Measurement and Instrument(2013)

Cited 3|Views16
No score
Abstract
提出了一种能准确分割与阿尔茨海默病相关的脑部区域的方法。首先,制作了最符合样本的模板;其次,在MR特征采集上,充分利用图像配准产生的形变场信息;接着,在处理PET图像时,先将其互配准到同一个体的MR图像上;最后,将提取出的各脑区特征用支持向量机分类。用全脑分类正确率为MR:0.8736,PET:0.9195,0.3MR+0.7PET:0.8621;灰质正确率为MR:0.8736,PET:0.9195,0.3MR+0.7PET:0.8621;双样本t检验正确率为MR:0.8391,PET:0.9195,0.3MR+0.7PET:0.8966。在用大脑皮层分区进行分类时,MR的内嗅区皮质正确率最高(0.8391),PET的楔前叶正确率最高(0.9195),0.3MR+0.7PET的内嗅区皮质正确率最高(0.9425)。试验结果表明该方法与现有方法相比,能更准确的区分轻度AD患者和正常老人,有助于AD疾病的预防及早期诊断。
More
Translated text
Key words
magnetic resonance(MR),support vector machine(SVM),positron emission tomography(PET),Alzheimer's disease(AD)
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined