Generic placeholder image

当代阿耳茨海默病研究

Editor-in-Chief

ISSN (Print): 1567-2050
ISSN (Online): 1875-5828

由马尔可夫随机域模式的算法计算转换和非转换轻度认知缺陷的患者海马子域萎缩

作者: Roberta Vasta, Antonio Augimeri, Antonio Cerasa, Salvatore Nigro, Vera Gramigna and , Matteo Nonnis, Federico Rocca, Giancarlo Zito, Aldo Quattrone, for the Alzheimer’s Disease Neuroimaging Initiative

卷 13, 期 5, 2016

页: [566 - 574] 页: 9

弟呕挨: 10.2174/1567205013666160120151457

价格: $65

摘要

虽然总的海马体积测量是阿尔茨海默病(AD)的重要标志,但是最近的证据表明,海马萎缩可能预测神经退行性疾病更敏感。神经影像学研究这一课题的论文绝大多数都集中在阿尔茨海默病和轻度认知障碍患者(MCI)之间的差异,没有考虑轻度认知障碍患者会不会转变为阿尔茨海默病。因此,本研究的目的是确定海马体积测量是否提供超过总判别这些团体的优势。海马体积测量在55例阿尔茨海默病中,32例转换和89例不转换轻度认知障碍患者(c/nc-MCI)和47名健康对照者,采用基于马尔可夫随机域嵌入改变框架基于阿特拉斯算法。探讨海马萎缩的影响在鉴别阿尔茨海默病样表型,我们使用三种分类方法:支持向量机,那起义朴素贝叶斯分类器、神经网络分类器。仅考虑总的海马体积,所有的分类模型,轻度认知障碍患者对照组和轻度认知障碍患者正常对照组之间的鉴别灵敏度达到66%。否则,考虑所有分割子域分类分析,轻度认知障碍患者对照组增加诊断的准确性从68%到72%。这种效果是强烈地依赖于萎缩的脑下托和前下托。我们的多变量分析显示差异考虑海马子域的容量的大小,被认为以阿特拉斯为基础的自动算法分割,提供了一个优势,通过海马体积区分早期阿尔茨海默病和正常对照轻度认知障碍患者。

关键词: 萎缩


Rights & Permissions Print Cite
© 2024 Bentham Science Publishers | Privacy Policy