[1]贾洪飞,王瑜,肖洪兵,等.基于功能磁共振图像转换在阿尔茨海默症分类中的应用[J].中国医学物理学杂志,2022,39(4):448-452.[doi:DOI:10.3969/j.issn.1005-202X.2022.04.010]
　JIA Hongfei,WANG Yu,XIAO Hongbing,et al.Functional magnetic resonance imaging transformation for classification of Alzheimers disease[J].Chinese Journal of Medical Physics,2022,39(4):448-452.[doi:DOI:10.3969/j.issn.1005-202X.2022.04.010]
点击复制

基于功能磁共振图像转换在阿尔茨海默症分类中的应用()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
39卷
期数:
2022年第4期
页码:
448-452
栏目:
医学影像物理
出版日期:
2022-04-27

文章信息/Info

Title:
Functional magnetic resonance imaging transformation for classification of Alzheimers disease
文章编号:
1005-202X（2022）04-0448-05
作者:
贾洪飞; 王瑜; 肖洪兵; 邢素霞
北京工商大学人工智能学院， 北京 100048
Author(s):
JIA Hongfei;  WANG Yu;  XIAO Hongbing;  XING Suxia
School of Artificial Intelligence, Beijing Technology and Business University, Beijing 100048, China
关键词:
阿尔茨海默症; 功能磁共振成像; 3DPCANet; 支持向量机; 局部一致性
Keywords:
Keywords: Alzheimers disease functional magnetic resonance imaging 3DPCANet support vector machine regional homogeneit
分类号:
R318；R742
DOI:
DOI:10.3969/j.issn.1005-202X.2022.04.010
文献标志码:
A
摘要:
为了能识别阿尔茨海默症（AD）早期症状，提出一种改进的3DPCANet网络模型，并结合患者功能磁共振成像（fMRI）转换，对AD不同阶段患者进行分类。首先预处理患者的fMRI，并对预处理后的图像进行局部一致性（ReHo）图像转换；然后采用改进的3DPCANet模型对fMRI转换后的图像进行特征提取；最后使用支持向量机进行分类。实验结果显示，改进后的3DPCANet模型可以对fMRI转换后的图像提取有效的分类特征，其中，晚期轻度认知障碍与AD、主观记忆衰退与AD、主观记忆衰退与早期轻度认知障碍的分类准确率分别达到90.00%、88.89%、88.00%，验证了本方法的有效性和可行性。
Abstract:
Abstract: To identify the early symptoms of Alzheimers disease (AD), an improved 3DPCANet combined with functional magnetic resonance imaging (fMRI) transformation is proposed for classifying patients at different stages of AD. After the fMRI image is preprocessed, regional homogeneity image transformation is carried out for the preprocessed fMRI images. Then, the features of the transformed images are extracted using the improved 3DPCANet. Finally, support vector machine is used for AD classification. The experimental results show that the improved 3DPCANet model can be used to extract the effective classification features from the images after transformation. The classification accuracies reach 90.00%, 88.89%, and 88.00% for late mild cognitive impairment vs AD, subjective memory decline vs AD, and subjective memory decline vs early mild cognitive impairment, respectively, which proves the feasibility and effectiveness of the proposed method.

相似文献/References:

[1]夏丽坤,江桂华,汪天悦,等.基于局部一致性方法的广泛性焦虑障碍患者静息态功能磁共振成像[J].中国医学物理学杂志,2016,33(1):30.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.007]
　[J].Chinese Journal of Medical Physics,2016,33(4):30.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.007]
[2]梁思,董涛,王慧,等.一种基于功能磁共振的味觉刺激装置的设计与验证[J].中国医学物理学杂志,2016,33(1):76.[doi:10.3969/j.issn.1005-202X.2016.01.017]
[3]陈东太郎,曾卫明.基于功能磁共振成像分析不同眼睛状态下低频振幅比[J].中国医学物理学杂志,2016,33(6):588.[doi:10.3969/j.issn.1005-202X.2016.06.011]
[4]刘迎军,董健卫,杨志景,等.Hurst指数在功能磁共振成像静息态数据中的应用[J].中国医学物理学杂志,2016,33(8):783.[doi:10.3969/j.issn.1005-202X.2016.08.006]
　[J].Chinese Journal of Medical Physics,2016,33(4):783.[doi:10.3969/j.issn.1005-202X.2016.08.006]
[5]刘迎军,杨志景,李淑龙.静息态功能磁共振成像数据中几个常用指标的相关性[J].中国医学物理学杂志,2017,34(1):26.[doi:10.3969/j.issn.1005-202X.2017.01.006]
　[J].Chinese Journal of Medical Physics,2017,34(4):26.[doi:10.3969/j.issn.1005-202X.2017.01.006]
[6]魏明翔,高维佳,焦青,等. 青少年双相障碍缓解相患者功能磁共振成像低频振幅研究[J].中国医学物理学杂志,2017,34(3):314.[doi:10.3969/j.issn.1005-202X.2017.03.019]
　[J].Chinese Journal of Medical Physics,2017,34(4):314.[doi:10.3969/j.issn.1005-202X.2017.03.019]
[7]付令,武杰.独立成分分析在视觉运动核磁共振数据处理中的应用[J].中国医学物理学杂志,2017,34(7):676.[doi:10.3969/j.issn.1005-202X.2017.07.005]
　[J].Chinese Journal of Medical Physics,2017,34(4):676.[doi:10.3969/j.issn.1005-202X.2017.07.005]
[8]陈浩然,高维佳,焦青,等.青少年双相障碍缓解相患者功能磁共振成像局域一致性研究[J].中国医学物理学杂志,2018,35(1):47.[doi:DOI:10.3969/j.issn.1005-202X.2018.01.010]
　CHEN Haoran,GAO Weijia,JIAO Qing,et al. Regional homogeneity in euthymic patients with pediatric bipolar disorder: a resting-state functional magnetic resonance imaging study[J].Chinese Journal of Medical Physics,2018,35(4):47.[doi:DOI:10.3969/j.issn.1005-202X.2018.01.010]
[9]周文,王瑜,肖红兵,等. 基于KPCA算法的阿尔茨海默症辅助诊断[J].中国医学物理学杂志,2018,35(4):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
　ZHOU Wen,WANG Yu,XIAO Hongbing,et al. Assisted diagnosis of Alzheimer’s disease based on KPCA algorithm[J].Chinese Journal of Medical Physics,2018,35(4):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
[10]王伟茜,刘新凤,曹卫芳,等.2型糖尿病磁共振成像静息态低频振幅变化及其与认知受损的相关性[J].中国医学物理学杂志,2018,35(5):543.[doi:DOI:10.3969/j.issn.1005-202X.2018.05.009]
　WANG Weiqian,LIU Xinfeng,CAO Weifang,et al.Altered fractional amplitude of low-frequency fluctuation of fMRI signals and its correlation with cognitive impairment in type 2 diabetes mellitus patients[J].Chinese Journal of Medical Physics,2018,35(4):543.[doi:DOI:10.3969/j.issn.1005-202X.2018.05.009]
[11]李长胜,王瑜,肖洪兵,等.KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用[J].中国医学物理学杂志,2019,36(7):784.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.008]
　LI Changsheng,WANG Yu,XIAO Hongbing,et al.Application of KPCA and Adaboost algorithm in the classification of functional magneticresonance images of Alzheimer’s disease[J].Chinese Journal of Medical Physics,2019,36(4):784.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.008]
[12]李长胜,王瑜,肖洪兵,等.基于随机森林算法的阿尔茨海默症医学影像分类[J].中国医学物理学杂志,2020,37(8):1005.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.013]
　LI Changsheng,WANG Yu,XIAO Hongbing,et al.Medical image classification for Alzheimers disease diagnosis based on random forest algorithm[J].Chinese Journal of Medical Physics,2020,37(4):1005.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.013]

备注/Memo

备注/Memo:
【收稿日期】2021-10-16 【基金项目】国家自然科学基金（61671028）；北京市自然科学基金-北京市教育委员会科技计划重点项目（KZ202110011015） 【作者简介】贾洪飞，硕士研究生，研究方向：图像处理、模式识别，E-mail: jiahongfei1947@163.com 【通信作者】王瑜，教授，博士生导师，研究方向：图像处理、模式识别，E-mail: wangyu@btbu.edu.cn
更新日期/Last Update: 2022-04-27